ResNet

general · 首次出现 2026-05-22 · 最近出现 2026-09-21 · 累计提及 32

综述

markdown

ResNet是一种深度残差网络架构，在计算机视觉领域用于图像识别与特征提取，凭借独特的残差连接设计成为众多研究与实践的基础框架。

ResNet近期进展

ARC - CT：3D胸部CT的解剖引导对比学习 - 该研究利用ResNet架构拓展至3D胸部CT分析，通过解剖引导对比学习方法提升诊断精准度； ARMDIL：基于MLLM路由的异构集成图像分类 - 基于ResNet的图像分类方法结合多模态路由技术，探索更灵活的图像理解模式； SGNet：高光谱鱼类新鲜度分类的轻量级域感知网络 - 轻量化ResNet变体应用于高光谱场景，实现高效新鲜度判断； GeoAI建筑足迹提取教程：用U-Net、Grounding DINO、SAM和Mask R-CNN - 地理人工智能领域尝试将ResNet与其他模型结合提取建筑信息； SAM与Muon结合的谱范数鲁棒性优化 - 在ResNet相关模型中优化谱范数以增强鲁棒性； KANEx: 利用KAN可解释性增强医学图像解释的忠实性 - 结合ResNet的医学图像的可解释性增强； Transformer引导的群体智能实现经济型神经架构搜索 - 探索ResNet与Transformer结合的经济型架构搜索方法； SLORR: 简单高效的训练时低秩正则化 - 在ResNet训练中应用低秩正则化提升效率； ResNet获CVPR 2026 Longuet-Higgins奖，残差连接十年影响力 - 残差连接概念提出十周年获学术奖项认可。

当前焦点与观察点

当前ResNet相关研究呈现多元化发展趋势，在医疗影像、高光谱、地理AI等多领域持续拓展应用边界，同时在轻量化、多模态融合方向深化创新。残差连接作为核心设计已走过十年发展周期，其基础架构被更多新型神经网络借鉴与改造，不同领域的实践案例验证了其在复杂场景下的可靠性与扩展潜力。

相关报道

10 条在档