ResNet 赢得 ImageNet 冠军——残差连接让超深网络成为可能

事件摘要

何恺明等人发表《Deep Residual Learning for Image Recognition》，提出残差连接，使训练超过 150 层的神经网络成为可能。ResNet 在 ImageNet 上达到 3.57% 的 top-5 错误率，首次在该基准上超越人类水平。

影响评估

• 认知转变 +2 · 长期

  残差连接几乎成为所有后续神经网络架构的标准组件。

  受影响群体: ai researchers、machine learning engineers

• 能力跃迁 +2 · 长期

  使得训练比之前深 8 倍的网络成为可能，在 ImageNet 上达到超人准确率。

  受影响群体: computer vision researchers、deep learning practitioners

• 普惠化 +1 · 长期

  残差连接简化了深度网络的训练，降低了实践者的入门门槛。

  受影响群体: machine learning practitioners、students

共识度与来源

• 1
  He, K. et al. (2015) 'Deep Residual Learning for Image Recognition.' arXiv:1512.03385.

  原文可访问: https://arxiv.org/abs/1512.03385

  参考证据 引用已记录 原文可访问
• 2
  Wikipedia — Residual neural network

  原文可访问: https://en.wikipedia.org/wiki/Residual_neural_network

  参考证据 引用已记录 原文可访问