人物Kaiming He
何恺明
何恺明，计算机视觉与深度学习领域的知名研究者，曾任职于微软研究院及Facebook AI Research（FAIR）。其主要学术贡献包括残差网络（ResNet）、Mask R-CNN实例分割框架、何氏权重初始化方法等，多项成果对图像识别、目标检测等任务产生了深远影响，并多次获得计算机视觉顶级会议最佳论文奖。
核心事实
时间轴 (近 90 天)
8月28日
ResNet 由何恺明等人在 2015 年提出，核心创新是跳跃连接，让网络学习残差映射 F(x)=H(x)-x
待验证50%
8月23日
残差连接（Residual Connection）由何恺明等人在2015年的ResNet论文中提出，用于解决深层网络中的信息损失问题
待验证50%
7月8日
残差连接最初由 He 等人在2015年的 ResNet 论文中提出，用于解决深度神经网络的梯度消失问题
已验证65%