请阐述 ResNet 的核心设计理念及其在深度学习中的创新之处。

回答思路

1. 【回答框架 1】ResNet 的基本思想是引入跳跃连接，允许梯度直接流传到浅层，从而解决深层网络中的梯度消失与退化问题。其核心创新在于残差学习，即学习残差映射 F(x) = H(x) - x，而非直接学习潜在映射 H(x)。
2. 【回答框架 2】通过残差模块，网络可以更容易地拟合恒等映射，使得添加更多层不会导致性能下降，反而能训练更深有效的网络。跳跃连接将输入直接加到输出上，不会增加额外参数，但能加速收敛并提升精度。
3. 【回答框架 3】ResNet 在图像分类、目标检测等任务上取得了显著效果，其结构设计影响了后续众多网络架构。它证明了深度对于性能的重要性，并提供了有效训练极深网络的机制。
4. 【回答框架 4】此外，ResNet 的残差结构也展示了设计良好网络结构在优化中的作用，推动了深度学习理论的发展，使其成为现代卷积神经网络的基础组件之一。
5. 【关键点 1】ResNet 核心思想是残差学习与跳跃连接。
6. 【关键点 2】跳跃连接解决了梯度消失和退化问题。
7. 【关键点 3】残差学习使网络更易优化并训练更深层网络。
8. 【关键点 4】ResNet 在图像任务上表现出色，影响深远。
9. 【关键点 5】其设计理念成为后续网络架构的基础。