VGGNet (Very Deep Convolutional Networks)
VGGNet ist eine tiefe Faltungsnetzwerkarchitektur, die 2014 von Karen Simonyan und Andrew Zisserman von der Visual Geometry Group (Oxford) vorgestellt wurde (veröffentlicht auf der ICLR 2015). Sie zeigte, dass die Tiefe des Netzwerks – ausschließlich durch Stapeln kleiner 3x3-Faltungskernel erreicht – der wichtigste Faktor für eine hohe Bildklassifizierungsgenauigkeit ist. Ihre beiden kanonischen Varianten (VGG-16 und VGG-19) wurden Mitte der 2010er Jahre zu den dominierenden Benchmark-Architekturen für das CNN-Design.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Very Deep Convolutional Networks for Large-Scale Image Recognition (VGGNet). ScholarGate. https://scholargate.app/de/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.
- AlexNetDeep Learning↔ compare
- DenseNetDeep Learning↔ compare
- MobileNetDeep Learning↔ compare
- ResNet (Residual Network)Deep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →