ResNet18网络

ResNet18网络是一种深度卷积神经网络（DCNN），用于图像分类和识别任务。它的架构是由Kaiming He、Xiangyu Zhang、Shaoqing Ren和Jian Sun提出的。ResNet18与其他常见的卷积神经网络不同，它采用了残差学习来使得训练变得更加有效。这项技术通过将输入与学习表征相加来减少误差传递并增强特征学习能力。 ResNet18采用18层的深度神经卷及体制，其中包含8个“residual blocks”(也就是所谓的“shortcuts”) 作为其架构中的核心部分。在这8个blocks之间，有4个3x3卷集核、2个1x1卷集核和2个平均池化步骤。此外，在图片处理前后也有一些额外的步骤如归一化、ReLU或dropout之流。