自從 AlexNet 於 2012 年的 ImageNet 競賽上大放異彩之後，CNN 就成了電腦視覺的聖杯。往後幾年，應用於電腦視覺的 CNN 不斷深化，網路越疊越深。但是不斷加深的網路卻遇到了梯度消失的問題，造成 training error 上升。在 2015 年由中國的微軟中心何愷明（Kaimei He）博士提出的 Residual Neural Network 則一舉突破這個問題，網路深度直達 152 層並達成 3.57% 的錯誤率，直接超越人類辨識準確度，成為電腦視覺的里程碑。
這一次的論文分享以何愷明（Kaimei He）博士的論文為主，由謝宗翰帶大家來探討 ResNet 這個模型。
