残差网络50层（ResNet50）是一种由微软研究院于2015年提出的深度卷积神经网络，以其残差连接和瓶颈结构设计在深度学习领域占据重要地位。ResNet50通过学习输入与输出之间的残差，有效解决了深层网络中的梯度消失和性能退化问题，使50层深度的架构在图像分类、目标检测等任务中表现出色。它在ImageNet挑战赛中取得优异成绩，参数量约25.6百万，相较传统深层网络更为高效。本摘要将围绕ResNet50的原理、结构及应用展开，突出其作为经典模型的价值与影响。