Deep Residual Learning for Image Recognition，由Kaiming He、Xiangyu Zhang、Shaoqing Ren和Jian Sun于2016年發表在CVPR上
1512.03385 (arxiv.org)
https://arxiv.org/pdf/1512.03385
下圖中，左側為VGG19網絡，中間為34層的普通網絡，右側為34層的深度殘差網絡ResNet。
從圖中可以直觀感受到ResNet的特點：
- ResNet直接使用stride=2的卷積做下采樣，并且用average pool層替換了全連接層。?
- ResNet在網絡中引入了殘差模塊，輸入和輸出進行跳躍連接，綜合形成殘差單元。
- 同時，當feature map大小降低一半時，feature map的數量增加一倍，圖中虛線就表示feature map數量發生了改變，ResNet通過這種變化保持網絡層的復雜度。
)
)