VGGNet (Very Deep Convolutional Networks)
Το VGGNet είναι μια αρχιτεκτονική βαθύ συνελικτικού νευρωνικού δικτύου που εισήχθη από τους Karen Simonyan και Andrew Zisserman στην Visual Geometry Group, Οξφόρδη, το 2014 (δημοσιεύτηκε στο ICLR 2015). Απέδειξε ότι το βάθος του δικτύου — που επιτυγχάνεται αποκλειστικά μέσω της στοίβαξης μικρών συνελικτικών φίλτρων 3x3 — είναι ο πιο κρίσιμος παράγοντας για την υψηλή ακρίβεια ταξινόμησης εικόνων, και οι δύο κανονικές παραλλαγές του (VGG-16 και VGG-19) έγιναν οι κυρίαρχες αρχιτεκτονικές αναφοράς για τον σχεδιασμό CNN καθ' όλη τη διάρκεια των μέσων της δεκαετίας του 2010.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Very Deep Convolutional Networks for Large-Scale Image Recognition (VGGNet). ScholarGate. https://scholargate.app/el/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.
- AlexNetΒαθιά Μάθηση↔ compare
- DenseNetΒαθιά Μάθηση↔ compare
- MobileNet: Αποδοτικά Συνελικτικά Νευρωνικά Δίκτυα για Όραση σε Κινητές ΣυσκευέςΒαθιά Μάθηση↔ compare
- ResNet (Δίκτυο Κατάλοιπων)Βαθιά Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →