深度神经网络中跳跃连接的发展：面向计算机视觉和医学图像分析的综述
图像与视频处理
2025-08-11 v1 计算机视觉与模式识别
机器学习
摘要
深度学习在计算机视觉领域取得显著进展，尤其是在图像分类、目标检测和语义分割等任务中。跳跃连接（skip connection）在深度神经网络架构中发挥着关键作用，通过残差学习在训练阶段简化优化过程，在测试阶段提高精度。许多神经网络沿用残差学习的思想， incorporating 跳跃连接以解决各种任务，已成为设计神经网络的标准选择。本综述提供了跳跃连接在深度神经网络中发展的全面概述与展望。概述了跳跃连接的简短历史，综述了残差学习在深度神经网络中的发展。总结了跳跃连接在训练和测试阶段的有效性，并讨论了未来在残差学习中应用跳跃连接的方向。最后，我们总结了在计算机视觉中利用跳跃连接的经典论文、源码、模型和数据集，涵盖图像分类、目标检测、语义分割和图像重建。我们希望本综述能激发社区研究者进一步发展各种形式的跳跃连接及其在残差学习理论方面的深入研究。项目页面可在 https://github.com/apple1986/Residual_Learning_For_Images 查阅。
引用
@article{arxiv.2405.01725,
title = {Development of Skip Connection in Deep Neural Networks for Computer Vision and Medical Image Analysis: A Survey},
author = {Guoping Xu and Xiaxia Wang and Xinglong Wu and Xuesong Leng and Yongchao Xu},
journal= {arXiv preprint arXiv:2405.01725},
year = {2025}
}