这是一篇计算机视觉领域的经典论文。李沐曾经说过，假设你在使用卷积神经网络，有一半的可能性就是在使用 ResNet 或它的变种。

2024年发现 ResNet 论文被引用数量悄然突破了 20 万加。

《Deep Residual Learning for Image Recognition》在 2016 年拿下了计算机视觉顶级会议 CVPR 的最佳论文奖。

ResNet 的部分结构。很多人说，何恺明的论文非常易懂，光看插图就能读懂思想。

ResNet 因其强大的表征能力，除图像分类以外，包括目标检测和人脸识别在内的许多计算机视觉应用都得到了性能提升。自 2015 年 问世以后，领域内许多研究者都试图对该模型做出一些改进，以衍生出一些更适合特定任务的变体。这也是 ResNet 超高引用量的重要原因之一。

该论文第一作者何恺明在人工智能领域里都是响当当的名字，人工智能科学家，麻省理工学院电气工程与计算机科学系副教授。根据Google Scholar的统计，H指数为68，引用次数超过54万次。

2011年进入微软亚洲研究院工作，微软亚研是业内为数不多的，能够获得科技巨头持续高投入的纯粹学术机构。

2022年入选AI 2000人工智能全球最具影响力学者榜单，综合排名第一；

2023年获得未来科学大奖数学与计算机科学奖；

2024年2月加入麻省理工学院电气工程与计算机科学系，担任副教授；

何恺明虽然长期身处业界，但科研态度一直被视为标杆 —— 他每年只产出少量一作文章，但一定会是重量级的，几乎没有例外。可以说他是计算机视觉和深度学习领域最具影响力的人物之一。