深度残差学习（Deep Residual Learning）

深度残差学习是计算机视觉领域的重要突破，通过**残差块（Residual Block）**设计解决了深度神经网络中的梯度消失问题。以下是核心要点：

• 💡 核心思想：引入跳跃连接（Shortcut Connection），使网络能直接学习残差映射（Residual Mapping）
• 📚 经典论文：Deep Residual Learning for Image Recognition（微软研究院，2016）
• 🧠 技术优势：
  • 支持超深网络（如ResNet-152）
  • 提升特征提取效率
  • 降低训练难度

应用场景

1. 🖼️ 图像分类（如ImageNet挑战赛）
2. 📷 目标检测（与Faster R-CNN等模型结合）
3. 🌍 人脸识别（如DeepFace项目）

延伸阅读：残差网络详解 或 深度学习基础教程