卷積神經網絡設計史上的主要里程碑：模塊化、多路徑、因式分解、壓縮、可擴展
一般來說，分類問題是計算機視覺模型的基礎，它可以延申解決更復雜的視覺問題，例如：目標檢測的任務包括檢測邊界框並對其中的對象進行分類。而分割的任務則是對圖像中的每個像素進行分類。
卷積神經網絡(CNNs)首次被用於解決圖像分類問題，並且取得了很好的效果，所以在這個問題上，研究人員開始展開競爭。通過對ImageNet Challenge中更精確分類器的快速跟蹤研究，他們解決了與大容量神經網絡的統計學習相關的更普遍的問題，導致了深度學習的重大進展。
在本文中我們將整理一些經典的CNN模型，詳細介紹這些模型的設計理論和關鍵設計點：
https://avoid.overfit.cn/post/7f9e04b064324bb0be9868cd34ace7de