ResNet, kurz für Residual Network, ist eine Deep-Learning-Architektur, die 2015 von He Kaiming, Zhang Xiangyu, Ren Shaoqing und Sun Jian von Microsoft Research vorgeschlagen wurde.Deep Residual Learning für die Bilderkennung", das Dokument beschreibt detailliert den Entwurf der ResNet-Architektur, Implementierungsdetails und experimentelle Ergebnisse.

ResNet löst effektiv die Probleme des Gradientenverschwindens und der Gradientenexplosion, die bei zunehmender Netzwerktiefe auftreten, indem es dem Netzwerk Restverbindungen (oder Abkürzungsverbindungen) hinzufügt, sodass das Netzwerk ohne Leistungseinbußen problemlos auf Dutzende oder sogar Hunderte von Schichten gestapelt werden kann. Bei Wettbewerben wie ILSVRC und COCO hat ResNet viele erste Plätze erreicht.