导读

ResNet在ILSVRC 2015竞赛中大放异彩，其核心模块residual block使得卷积网络模型深度提高一个数量级，到达上百、上千层。在今天cv领域我们也经常用到它或它的变种，paper《Deep Residual Learning for Image Recognition》

论文中第一张图点出了论文要解决的我问题：

左边是训练误差，右边是测试误差，可见将20层网络简单地加深到56层后，并没有带来精度的提升，反而会导致模型的退化。（这里不是过拟合，因为其训练误差也增大了）

那么为什么加深网络会带来退化问题呢？理论上来说，即使新增的网络层什么都没学到，保持恒等输出(所有的weight都设为1)，那网络的精度也应该等于原有未加深时的水平，如果新增的网络层学习到了有用特征，那么加深过后的模型精度必然会大于未加深的原网络。

实际上，让新增的网络层在训练过程中每一层都通过了线性修正单元relu处理，而这样的处理方式必然带来特征的信息损失，让其保持什么都不学习的恒等状态，恰恰很困难，因此，简单的堆叠layer必然会带来退化问题。

ResNet解决思想：既然让新增的层保持恒等映射很困难，那就额外增添一条路（identity）来保持恒等，如下图所示，

example input output gif

解释一下这个图，这里假设原有网络结构的映射为H(X)，输出为X,,这里又添加了两个layer,在网络中的映射称为F(x)。既然新增layer保持不了恒等性，那我们可以通过跳跃连接来直接跳过它们来保持恒等；这里的融合操作只是单纯的相加，新结构的输出为F(x) + x ，原来结构的输出为x，这一目了然，即使最坏的情况，新加的层不会使网络更优，也不会出现退化的情况，相反新加的层如果提取到了更有用的特征，则模型效果会变好，真正实现了网络的精度加深后 >= 加深前，我们只需要优化F(x)，使其趋于0即可，而使得F(x)接近0是相对比较容易的(无论是从权重初始化的角度还是通过激活函数) 虽然新增的F(x)不容易保持恒等，但让其尽量靠近0,还是相对容易做到的，这种训练方式称为残差学习，这种结构块也称为Residual Block残差块。正是残差结构的出现，使得残差网络能很好的加深网络层数，同时解决退化问题。

网络结构

论文列出了VGG、未加残差连接与加残差连接的网络结构示意图（我这里截一部分网络结构图）

在上图中实线代表普通的残差连接，虚线表示需要变换张量形状的残差连接，对于通道数不一致的情况，作者给出两种方法：一是往多出来的通道数里填0；二是使用1x1的卷积，对于大小的减半，都使用步幅为2的操作来实现减半。

这是不同层数的ResNet架构，可以看到是由一些残差块堆叠而成，与AlexNet、VGG这些不同，使用了Average pool代替了全连接层，同时也没有使用droput操作，之后再连接一层1000个神经元的全连接层，最后再接上一个Softmax。。

下图中左侧图是18-layer、34-layer残差块的连接结构，右侧则是50、101、152的残差结构，为了减少运算复杂度，输入进来先降维，再升维，这样由于其输入输出维度不同，需要1x1卷积进行维度转换：

实验分析

实现细节

与AlexNet一致的数据处理有：像素归一化（减去每像素平均）、标准颜色增强、裁剪成 224x224；其他操作：随机缩放图像短边至 [256, 480] 中的均匀随机值、随机翻转
在测试中，采用标准的10-crop测试（对图像裁剪10次，把输入分别输入网络，取结果的平均值）为了得到最好的结果，采用VGG中的全卷积模式，在多个尺度平均分数。（图像尺寸最短边被重整为{224，256，384，480，640}）。感觉是为了打比赛弄的操作，现在一般不用
激活函数前加入BN操作，参数初始化使用 He Initialization，使用SGD优化算法，mini-batch为256。学习率初始为0.1，当错误率下降遇到瓶颈时（曲线不再下降时）便降低10倍，我们使用权重衰减0.0001以及momentum设为0.9。不使用dropout（没有使用全连接）。
作者做了一些消融实验和对比实验，
不同深度的ResNet对比：

可以看见，随着网络层数的增加，精度提升，表明残差块结构对深层神经网络的退化现象有效。

我们看一个消融实验：

这个实验作者想比较当输入输出维度不一样时，哪种结构的残差连接效果更好，A: 使用0填充来增添维度 B:当有维度变换时，使用1x1的卷积，没有则用恒等连接 C: 全部使用1x1的卷积；作者认为，B相对A更好，是因为通道数变化时0填充的部分没有残差学习，C相对B更好，是因为参数更多了，但精度没有很多改变，因此使用的B。