VGGNet (Very Deep Convolutional Networks)
VGGNet es una arquitectura de red neuronal convolucional profunda introducida por Karen Simonyan y Andrew Zisserman en el Visual Geometry Group, Oxford, en 2014 (publicada en ICLR 2015). Demostró que la profundidad de la red —lograda exclusivamente apilando pequeños filtros convolucionales de 3x3— es el factor más crítico para una alta precisión en la clasificación de imágenes, y sus dos variantes canónicas (VGG-16 y VGG-19) se convirtieron en las arquitecturas de referencia dominantes para el diseño de CNN durante mediados de la década de 2010.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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
Cómo citar esta página
ScholarGate. (2026, June 3). Very Deep Convolutional Networks for Large-Scale Image Recognition (VGGNet). ScholarGate. https://scholargate.app/es/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.
- AlexNetAprendizaje profundo↔ compare
- DenseNetAprendizaje profundo↔ compare
- MobileNet: Redes Neuronales Convolucionales Eficientes para Visión MóvilAprendizaje profundo↔ compare
- ResNet (Red Neuronal Residual)Aprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →