m0_72658762的博客

原创 【论文阅读】Deep Residual Learning for Image Recognition

更深的神经网络更难训练。我们提出了一个残差学习框架，以缓解训练比以前使用的网络深度更深的网络的难度。我们明确地将层重新表述为参照层输入学习残差函数，而不是学习无参考的函数。我们提供了全面的实证证据，表明这些残差网络更容易优化，并且可以从显著增加的深度中获得精度。在ImageNet数据集上，我们评估了深度高达152层的残差网络，比VGG网络[41]深8倍，但仍然具有较低的复杂度。这些残差网络的集成在ImageNet测试集上实现了3.57%的错误率。这一结果在ILSVRC 2015分类任务中获得了第一名。