↑: [[G検定に関する知識]] - 2015年ILSVRC優勝 - **[[スキップ結合]]**により入力を層を飛び越えて加算→勾配消失を解消 - **残差学習**：入力と出力の差分（残差）を学習する - 152層という超深層を実現 - [[CNN画像認識モデルの進化]]も参照 - スキップ結合（残差学習）を採用した代表的なCNN。名前の由来はResidual（残差）+ Network - 2015年のImageNet大規模画像認識コンペで優勝。誤答率3.6%で人間の水準（約5.1%）を下回った - 152層という破格の深さでも劣化問題が起きなかった（試験でよく問われる数字） - 深くするほど性能が向上し、従来の限界を突破した - cf. [[スキップ結合]], [[残差学習]], [[劣化問題]], [[CNN]]