ResNet(Residual Network)은 딥 러닝 아키텍처의 한 종류로, 이미지 분류 및 다양한 컴퓨터 비전 태스크에서 매우 성공적으로 사용되는 모델
Residual block이라고 불리는 구조를 사용하여 깊은 신경망을 학습
- 레이어를 하나씩 쌓는 대신, 기존의 레이어에 입력 데이터를 직접 더하는 형태로 네트워크를 구성
- 이렇게 함으로써 네트워크가 입력과 출력 사이의 잔여 함수를 학습하게 되는데, 이 잔여 함수를 학습하기가 원래의 입력을 직접 학습하는 것보다 더 쉬워 이러한 구조로 인해 그레디언트 소실 문제가 줄어들고, 매우 깊은 네트워크를 효과적으로 학습할 수 있게 됨
Benefits of the identity skip-connections
• Resolving the degradation problem of very deep networks through residual connection
• Directly propagating the gradient of higher layers to lower layers
층을 깊게 쌓았음에도 gradient가 사라지지 않는 이유는 다음 그림의 구조에 있음