ResNet-50 是一个深度残差网络，由微软研究院开发，广泛用于图像分类任务。

基于ResNet-50架构的计算机视觉模型，用于图像分类任务

基于ImageNet数据集预训练的深度残差网络模型，用于图像分类任务。

ResNet50是基于深度残差学习实现的图像分类模型，通过残差连接解决了深度神经网络中的梯度消失问题。

ResNet26d是基于深度残差学习的图像分类模型，是ResNet的变体(d)版本，优化了stem结构和shortcut连接方式。

ResNet26是基于深度残差学习架构的图像分类模型，是ResNet系列中的一种变体。

ResNet18是基于深度残差学习实现的图像分类模型，通过残差连接解决了深层网络训练困难的问题。

ResNet152是基于深度残差学习的图像分类模型，通过残差连接解决了深度网络训练中的梯度消失问题。