ResNet-152：深度残差网络的性能巅峰

ResNet-152代表了深度残差网络架构的顶峰，通过极致的网络深度实现了当时最先进的图像识别性能。作为ResNet系列的顶级模型，它在挑战性视觉任务中展现出无与伦比的特征表达能力。

一、突破性架构设计

1. 深度堆叠策略

​核心创新​：在Conv4_x阶段堆叠36个Bottleneck块（比ResNet-101增加13层）

2. 增强型Bottleneck模块

class MegaBottleneck(nn.Module):
    expansion = 4
    
    def __init__(self, in_channels, base_channels, stride=1, 
                 use_gc=False, use_splat=False):
        super().__init__()
        out_channels = base_channels * self.expansion
        
        # 分支结构
        self.branch1 = nn.Sequential(
            nn.Conv2d(in_channels, base_channels, 1, bias=False),