VGGNet (Very Deep Convolutional Networks)
VGGNet és una arquitectura de xarxa neuronal convolucional profunda introduïda per Karen Simonyan i Andrew Zisserman al Visual Geometry Group, Oxford, el 2014 (publicada a ICLR 2015). Va demostrar que la profunditat de la xarxa —aconseguida exclusivament apilant petits filtres convolucionals de 3x3— és el factor més crític per a una alta precisió en la classificació d'imatges, i les seves dues variants canòniques (VGG-16 i VGG-19) es van convertir en les arquitectures de referència dominants per al disseny de CNN durant la dècada del 2010.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Simonyan, K., & Zisserman, A. (2014). Very Deep Convolutional Networks for Large-Scale Image Recognition. arXiv:1409.1556 [cs.CV]. Published at ICLR 2015. DOI: 10.48550/arXiv.1409.1556 ↗
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning (Ch. 9: Convolutional Networks). MIT Press. ISBN: 978-0-262-03561-3
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Very Deep Convolutional Networks for Large-Scale Image Recognition (VGGNet). ScholarGate. https://scholargate.app/ca/deep-learning/vggnet
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- AlexNetAprenentatge profund↔ compare
- DenseNetAprenentatge profund↔ compare
- MobileNet: Xarxes neuronals convolucionals eficients per a la visió mòbilAprenentatge profund↔ compare
- ResNet (Residual Network)Aprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →