ResNet 全称为残差网络 (Residual Network)，是一种深度学习架构，由微软研究院的何恺明、张祥雨、任少卿和孙剑在 2015 年提出，相关论文成果为「Deep Residual Learning for Image Recognition」，论文中详细描述了 ResNet 的架构设计、实现细节以及实验结果。

ResNet 通过在网络中增加残差连接（或称为快捷连接），有效地解决了随着网络深度增加时出现的梯度消失和梯度爆炸问题，使得网络可以轻易堆叠到几十层甚至上百层，而不会出现性能下降的问题。在 ILSVRC 和 COCO 等竞赛中，ResNet 取得了多项第一名的优异成绩。