Sehr tiefe Faltungsschichtnetze (Convolutional Networks) haben in den letzten Jahren die größten Fortschritte bei der Bilderkennungsleistung ermöglicht. Ein Beispiel dafür ist die Inception-Architektur, die sehr gute Leistungen bei vergleichsweise geringem Rechenaufwand erzielt hat. Kürzlich hat die Einführung von Residuerverbindungen (Residual Connections) in Verbindung mit einer traditionelleren Architektur den Stand der Technik im ILSVRC-Wettbewerb 2015 definiert; ihre Leistung war vergleichbar mit der des neuesten Inception-v3-Netzes. Dies wirft die Frage auf, ob es Vorteile gibt, die Inception-Architektur mit Residuerverbindungen zu kombinieren. Hier präsentieren wir klare empirische Beweise, dass das Training mit Residuerverbindungen das Training von Inception-Netzen erheblich beschleunigt. Es gibt auch einige Hinweise darauf, dass Residual-Inception-Netze um einen schmalen Vorsprung besser abschneiden als vergleichsweise teure Inception-Netze ohne Residuerverbindungen. Wir stellen zudem mehrere neue vereinfachte Architekturen sowohl für Residual- als auch für nicht-Residual-Inception-Netze vor. Diese Variationen verbessern die Leistung der Einzelbildklassifizierung bei der ILSVRC 2012-Klassifikationsaufgabe erheblich. Weiterhin zeigen wir, wie eine angemessene Aktivierungsskalierung das Training sehr breiter Residual-Inception-Netze stabilisiert. Mit einem Ensemble aus drei Residual- und einem Inception-v4-Netz erreichen wir einen Top-5-Fehler von 3,08 Prozent auf dem Testdatensatz des ImageNet-Klassifikationswettbewerbs (CLS).