ResNet, abréviation de Residual Network, est une architecture d'apprentissage en profondeur proposée par He Kaiming, Zhang Xiangyu, Ren Shaoqing et Sun Jian de Microsoft Research en 2015.Apprentissage résiduel profond pour la reconnaissance d'images", l'article décrit en détail la conception de l'architecture ResNet, les détails de mise en œuvre et les résultats expérimentaux.

ResNet résout efficacement les problèmes de disparition et d'explosion de gradient qui se produisent à mesure que la profondeur du réseau augmente en ajoutant des connexions résiduelles (ou des connexions de raccourci) au réseau, permettant au réseau d'être facilement empilé sur des dizaines, voire des centaines de couches sans dégradation des performances. Dans des concours tels que ILSVRC et COCO, ResNet a remporté de nombreux prix de première place.