一、论文来自于凯明大哥的团队，这也是近几年来大多数计算机视觉任务，网络baseline的基础
二、核心思想
1、如何个去构建更深层的网络，因为之前的一些工作证明了，网络层次的加深有助于提高模型的性能。但是随着层级的加深，让网络的训练变得更加困难。主要表现在“梯度消失”、“退化问题”。
*针对梯度消失问题：主要会阻碍网络的收敛，这个问题的解决办法，主要是通过“normalized initialization” 以及“intermediate normalization layer” 的应用，让几十层的网络能够得以训练。
*本文主要针对的是“degeneration” 问题，这个问题主要表现为：随着网络层数的上升，accuracy 反而收到了饱和，反而开始退化。这个并不是由于“overfitting”导致的；对于一个已经比较合适的模型去增加更多的层，反而会增加训练的error，这个观点作者在本文有数据证明，同时“Convolutional neural networks at constrained time cost”以及“Highway networks”这两篇文章对这个都有一定说明。
三、思想内容升华
从刚才的“退化问题”，可以展开思考：如果存在一个比较深的模型，他的一部分参数来自于“一个已经比较好的model”，剩下的那些层只作为“identity mapping”，这样的化，理论上training error不会上升（至少不会比 那个浅层的模型多）。
但是实验表明：目前的solver并不能够让模型找到这样的一个解决方案，也就是没办法让一些层通过学习，自己感知到前面那些层已经够深了，自己只需要作为“恒等映射”就行了。作者也提到，也有可能是(or unable to do so in feasible time)。
我们总不能，每次对于一个不同的任务，都去通过先训练一个小模型，然后慢慢加层训练，去找到一个合适的深度！！！这样就太麻烦了！！！我们需要的是一个比较深，但是自己能够避免“degeneration”！！！的模型，这样模型能够自适应到不同的任务中去，不需要人为的去做过多的探索！
四、解决方案
残差网络模块！
1、如何理解上图，这个模型，简单的看法“浅层特征 融合 高级特征”。其实这样理解就太过浅显了。
**通过“退化问题”，我们知道，网络要学习的是一个“underlying mapping”，这个mapping不能是直接的一堆 conv-bn-relu，这种方式解决的。我们把 underlying mapping 记为“H(x)”,那么网络模块部分就可以表现为F(x)=H(x)-x，那么这个整个 residual block的功能函数就是“F(x)+x”。
通过这种方式，组合了“nonlinear mapping” 和“identity mapping”，去寻找最优 mapping，如果 直接“identity mapping”就可以让模型达到最优，那么F(x)直接表现为全0就行，让这个residual mapping 去学习到全0 比让这个residual mapping学习出一个“identity mapping ”要简单很多。
通过这个方式，让网络层数可以不断加深，但是训练难度并不会大大增加，同时“identity mapping” 不会带来额外的参数！同时不会影响，整个求导过程！
而且这是个通用的方法，不光是对于视觉任务，也可以对应于别的任务！
2、残差模块还有另一种版本
这个公示的意思是，在identity mapping这一支，应用上了卷积，这个模块主要是用在“输出channel 数 与 输入channel数不同”的时候，用conv 1*1，当然是planB；planA是可以直接padding zero channel且不会增加额外的参数。下图中的虚线就是代表了这个操作，实线代表了第一种残差模块！
3、作者在设计网络的时候，遵循着两条简单的准则：i、如果feature map的size不下降，那么channel数量不变 ii、如果feature map的size 被降了一半，那么channel就会增加一倍。下采样用的是conv的stride=2。以及最后接的global average pooling layer 。
五、思想来源
1、Residual Representations
VLAD和Fisher Vector
2、Shortcut Connections.
在MLPs中就有着应用了。