CV / 视觉生成 · 2015 · ResNet
Deep Residual Learning for Image Recognition
Kaiming He et al.
以残差连接改善深层网络的优化。
图像分类残差网络CNN
复现空间 · 建议计划
入门 · 小规模训练 · 编辑建议，尚未实测
最小实验目标
在 CIFAR-10 上比较相近深度的 plain network 与残差网络。
数据集 / 环境
CIFAR-10，固定训练与测试划分。
评估项
- Top-1 Accuracy
- 训练与验证损失
边界与常见偏差
CIFAR 版结构与 ImageNet ResNet 不同；不要把小图像教学实验当作 ImageNet 复现。
实验验收协议
- 阅读原文，选定要对齐的具体表格、模型变体与数据划分；把缩小规模或替换组件单独列出。
- 核对作者资源的许可与依赖，锁定代码 commit、权重版本、硬件、随机种子和完整运行命令。
- 先完成数据与推理检查，再执行约定的实验；记录多次运行结果、资源消耗和失败案例。
- 提交可核验的代码、配置、日志与报告。原论文数值须注明表格和协议，当前指标必须附实际运行证据。
实验记录
- 原论文对齐目标
- 待认领后选定具体表格与评估条件
- 社区复现指标
- 暂无已验证结果
暂无实验日志与复现报告。收录此论文不表示社区已完成训练或评估；后续记录通过仓库 Issue 和 Pull Request 补充。