Problema que aborda
Las redes muy profundas eran más difíciles de optimizar que las menos profundas.
Aportación principal
Conexiones residuales: cada bloque aprende una corrección que se suma a su entrada.
Arquitectura
ResNet, con variantes de hasta 152 capas en ImageNet.
Relevancia histórica
Las conexiones residuales están en casi toda arquitectura moderna, incluido el Transformer.
Implementaciones
torchvision.models.resnet50
Referencia
K. He, X. Zhang, S. Ren, J. Sun (2016). «Deep Residual Learning for Image Recognition». CVPR 2016.