卷积神经网络ResNet

ResNet（Residual Network）是一种卷积神经网络模型，它的主要特点是使用了残差连接（Residual Connection）。残差连接是指在网络中添加一条从输入层到输出层的直连路径，使得网络能够更好地捕捉输入信号的细节信息。这种设计能够有效地避免由于网络深度增加导致的梯度消失和梯度爆炸问题。

在ResNet中，每个卷积层的输入和输出都被称为“残差块”，每个残差块由两个卷积层和一个跨度为1的恒等映射组成。如果输入和输出的尺寸不同，则需要通过一个卷积层来调整尺寸。ResNet可以非常深，目前已经有超过1000层的ResNet模型被提出。

ResNet在许多计算机视觉任务中取得了非常好的效果，例如图像分类、目标检测、语义分割等。