CNN模型的發展：自2012AlexNet-2017DRN的17篇CNN模型論文總結
深度學習最爲根本的CNN模型架構，最基礎的知識，深度學習研究者必學知識，瞭解一下？
卷積神經網絡是深度學習的基礎，尤其在計算機視覺領域發揮着重要的作用，從上世紀90年代的開山之作LeNet，到2012年的興起之作AlexNet，從VGG，GoogLeNet再到ResNet和最近的DenseNet、DRN,卷積神經網絡層數越來越深，架構越來越複雜，解決梯度問題方案設計越來越巧妙，性能也越來越好。下面我們便來看一下自2012AlexNet-2017DRN的網絡特點吧。
這些都是以ImagNet數據集爲基礎的模型設計。
ImagNet數據集：
- ILSVRC圖像分類和目標檢測大賽的數據集
- Imagenet數據集是目前深度學習圖像領域應用得非常多的一個領域，關於圖像分類、定位、檢測等研究工作大多基於此數據集展開。
- Imagenet數據集文檔詳細，有專門的團隊維護，使用非常方便，在計算機視覺領域研究論文中應用非常廣，幾乎成爲了目前深度學習圖像領域算法性能檢驗的“標準”數據集。
- Imagenet數據集有1400多萬幅圖片，涵蓋2萬多個類別；
- 使用最爲廣泛，影響力最大的一個數據集
CNN模型的發展，2012-2017年的發展，2012AlexNet-2017DRN的17篇CNN模型論文總結。
以上是這17篇文章的總結，稍後將會陸續推出各篇論文的詳細架構，可能會稍晚一些，歡迎大家繼續關注。