CNN結構模型一句話概述：從LeNet到ShuffleNet

1. LeNet：基於漸變的學習應用於文檔識別
2. AlexNet：具有深卷積神經網絡的ImageNet分類
3. ZFNet：可視化和理解卷積網絡
4. VGGNet：用於大規模圖像識別的非常深的卷積網絡
5. NiN：網絡中的網絡
6. GoogLeNet：捲入更深入
7. Inception-v3：重新思考計算機視覺的初始架構
8. ResNet：圖像識別的深度殘差學習
9. Stochastic_Depth：具有隨機深度的深層網絡
10. WResNet：非常深的網絡的加權殘差
11. Inception-ResNet：Inception-v4，inception-resnet以及剩餘連接對學習的影響
12. Fractalnet：沒有殘差的超深層神經網絡
13. WRN：寬殘留網絡
14. ResNeXt：深層神經網絡的聚合殘差變換
15. DenseNet：密集連接的卷積網絡
16. PyramidNet：深金字塔殘留網絡
17. DPN：雙路徑網絡
18. SqueezeNet：AlexNet級準確度，參數減少50倍，模型尺寸小於0.5MB
19. MobileNets：用於移動視覺應用的高效卷積神經網絡
20. ShuffleNet：移動設備極高效的卷積神經網絡