ResNet（Residual Network）是一種在計算機視覺任務中廣泛應用的深度卷積神經網絡架構。自2015年提出以來，ResNet通過其獨特的殘差學習機制，有效解決了深度網絡訓練中的梯度消失和梯度爆炸問題，使得訓練數百甚至數千層的網絡成為可能。以下是一些主要的ResNet變種：
- ResNet V1：原始的ResNet架構，通過引入殘差塊來解決深度網絡訓練中的退化問題。
- ResNet V2：對ResNet部分組件的順序進行了調整，主要是將ReLU激活函數移入殘差塊內部。
- ResNeXt：引入了“分叉路徑”的概念，允許不同路徑的特征圖在合并之前獨立進行卷積運算，從而增加了網絡的寬度。
- Wide ResNet（Wide ResNet）：通過增加網絡的寬度而不是深度來提高模型的性能，同時保持較低的參數數量。
這些變體通過不同的網絡結構設計，進一步提升了ResNet在計算機視覺任務中的性能和應用范圍。
