resnet在2015名声大噪，而且影响了2016年DL在学术界和工业界的发展方向。下面是这个resnet的网络结构，大家先睹为快。 它对每层的输入做一个reference,学习形成残差函数，而不是学习一些没有reference的函数。这种残差函数更容易优化，能使网络层数大大加深。我们知道，在计算机视觉里，特...

一说起“深度学习”，自然就联想到它非常显著的特点“深、深、深”（重要的事说三遍），通过很深层次的网络实现准确率非常高的图像识别、语音识别等能力。因此，我们自然很容易就想到：深的网络一般会比浅的网络效果好，如果要进一步地提升模型的准确率，最直接的方法就是把网络设计得越深越好...

resnet有5个stage，每个stage缩小一倍(即stride2)。第1个stage是7*7个卷积大的缩小1倍，第2个stage是通过max-pooling缩小1倍，后面3个stage都是在各自stage的第一个卷积缩小1倍第一个7*7的卷积是pad为3，stride为2pooling是3*3，stride为23...

1.resnet的skipconnection是通过eltwise相加的2.resnet做detection的时候是在conv4_x的最后一层（也就是stage4的最后一层），因为这个地方stride为16  作者：灰灰链接：https://www.zhihu.com/question/644946...

从RFCN来看，Resnet-50和Resnet-101到最后一层卷积都是缩小到原来尺寸的16分之一，并且都用的7x7的格子去roipooling。  看paper可以知道：resnet-50核心是由3个conv2_x（3个卷积层），4个conv3_x（3个卷积层），6个conv4_x（3个卷积层）...

http://blog.csdn.net/baidu_24281959/article/details/53203757...

2018-12-0919:07:29深层的深度学习网络存在梯度消失和梯度爆炸等问题导致难以进行训练。ResNet提出了Skip-Connection来将某一层的输入直接传递到更深的层，通过这种方式可以训练得到更深的神经网络。为什么这个是有效的呢？理论上，更深的模型的训练误差不应当大于浅层模型，但是出现的退化问题，这表明...

ResNet在2015年被提出，在ImageNet比赛Classification任务上获得第一名。因为它“简单与实用”并存，很多方法都建立在ResNet50或者ResNet101的基础上完成的，图像检测, 图像分割，图像识别等领域都纷纷使用ResNet。Alphazero也使用了Re...