VGGNet (Very Deep Convolutional Networks)
VGGNet je hluboká konvoluční neuronová síťová architektura představená Karen Simonyan a Andrewem Zissermanem z Visual Geometry Group na Oxfordské univerzitě v roce 2014 (publikováno na ICLR 2015). Prokázala, že hloubka sítě – dosažená výhradně skládáním malých konvolučních filtrů 3x3 – je nejdůležitějším faktorem pro vysokou přesnost klasifikace obrazu, a její dvě kanonické varianty (VGG-16 a VGG-19) se staly dominantními referenčními architekturami pro návrh CNN v polovině 2010. let.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Very Deep Convolutional Networks for Large-Scale Image Recognition (VGGNet). ScholarGate. https://scholargate.app/cs/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.
- AlexNetHluboké učení↔ compare
- DenseNetHluboké učení↔ compare
- MobileNet: Efektivní konvoluční neuronové sítě pro mobilní viděníHluboké učení↔ compare
- ResNet (reziduální síť)Hluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →