本文汇总了多项深度残差网络研究：DR²-Net通过线性映射与残差学习改进压缩感知图像重建；DRNet依据输入尺寸动态确定分辨率以降低计算负担；有研究从动力学系统角度分析残差网络并加速训练；双残差连接模块化网络用于图像恢复；DSRNet用于图像超分辨率；RevNet可逆重建各层激活以节省存储；双分辨率融合网络实现实时语义分割；DS-Net动态调整滤波器数量以提升硬件效率；另有研究将残差网络解释为微分方程并提出可逆架构；混合深度网络用于射电干涉成像。