ResNet（残差网络）

ResNet由何恺明等人于2015年提出，是深度学习领域的经典模型。其核心思想是残差学习：让网络层学习输入与输出之间的残差映射，而非直接学习完整映射。通过跳跃连接（shortcut connection），梯度可以直接回传，有效缓解了梯度消失和网络退化问题，使得训练数百甚至上千层的网络成为可能。ResNet在ImageNet 2015分类任务中取得冠军，并广泛应用于目标检测、语义分割等任务，后续变体如ResNeXt、DenseNet等进一步推动了计算机视觉发展。