在自動駕駛、工業質檢、安防監控等需要「毫秒級反應」的應用場景中,實時目標檢測始終是一條極具挑戰的技術賽道。過去十年裏,YOLO 系列憑藉輕量高效的架構成為該領域的主流方案,從最初的 YOLO 到近年的 YOLOv11、YOLOv12,模型不斷在速度與精度之間尋找新的平衡點。 不過,即便進化多次,YOLO 系列的底層機制依舊面臨共同瓶頸: 要麼像卷積那樣只能在固定感受野內做局部聚合,要
文章目錄 前言 1.為什麼需要殘差網絡? 1.1梯度消失 / 梯度爆炸 1.2深度退化現象 2.ResNet 的核心創新:殘差塊與殘差連接 2.1 什麼是 “殘差”? 2.2. 殘差塊的兩種結構 2.2.1恆等映射殘差塊