resnet模型结构

ResNet是一种深度卷积神经网络模型，用于图像分类和目标检测任务。它的核心思想是使用残差块（residual block）来解决深层网络中梯度消失和梯度爆炸的问题，从而使得更深的网络可以被训练。

ResNet的基本单元是残差块，每个残差块由两个或三个卷积层组成，其中第一个卷积层的输出直接连接到第二个或第三个卷积层的输入，这样可以使得信息在残差块中直接传递，避免了信息的丢失。

ResNet的结构可以分为多个阶段，每个阶段包含若干个残差块，其中每个残差块的通道数都相同。在每个阶段的第一个残差块中，需要对输入特征图进行下采样（即将特征图的尺寸减半），这样可以使得网络具有更强的空间层次结构表示能力。