- LeNet:基於漸變的學習應用於文檔識別
- AlexNet:具有深卷積神經網絡的ImageNet分類
- ZFNet:可視化和理解卷積網絡
- VGGNet:用於大規模圖像識別的非常深的卷積網絡
- NiN:網絡中的網絡
- GoogLeNet:捲入更深入
- Inception-v3:重新思考計算機視覺的初始架構
- ResNet:圖像識別的深度殘差學習
- Stochastic_Depth:具有隨機深度的深層網絡
- WResNet:非常深的網絡的加權殘差
- Inception-ResNet:Inception-v4,inception-resnet以及剩餘連接對學習的影響
- Fractalnet:沒有殘差的超深層神經網絡
- WRN:寬殘留網絡
- ResNeXt:深層神經網絡的聚合殘差變換
- DenseNet:密集連接的卷積網絡
- PyramidNet:深金字塔殘留網絡
- DPN:雙路徑網絡
- SqueezeNet:AlexNet級準確度,參數減少50倍,模型尺寸小於0.5MB
- MobileNets:用於移動視覺應用的高效卷積神經網絡
- ShuffleNet:移動設備極高效的卷積神經網絡
CNN結構模型一句話概述:從LeNet到ShuffleNet
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.