0:000:00
<p>这份研究<strong>提出了残差学习框架</strong>来解决深度神经网络难以训练的问题，特别是随着网络深度增加出现的性能下降。研究者通过<strong>重构层为学习残差函数</strong>而不是直接学习目标映射，显著简化了极深网络的优化过程。他们在ImageNet数据集上验证了该方法的有效性，成功训练了深度达到152层的网络，并在2015年的ImageNet分类任务中<strong>取得了第一名</strong>。此外，残差网络在CIFAR-10数据集上也展现了优越性能，并被应用于物体检测和定位等任务，<strong>在多项比赛中获得冠军</strong>，表明其原理具有通用性。</p><p>http://arxiv.org/abs/1512.03385</p>