VGGNet (شبکههای کانولوشنی بسیار عمیق)
VGGNet یک معماری شبکه عصبی کانولوشنی عمیق است که توسط کارن سیمونیان و اندرو زیسِرمان در گروه هندسه بصری (Visual Geometry Group)، آکسفورد، در سال ۲۰۱۴ معرفی شد (منتشر شده در ICLR 2015). این شبکه نشان داد که عمق شبکه — که صرفاً از طریق انباشت فیلترهای کوچک 3x3 حاصل میشود — مهمترین عامل برای دقت بالای طبقهبندی تصویر است و دو نوع استاندارد آن (VGG-16 و VGG-19) به معماریهای معیار غالب برای طراحی شبکههای عصبی کانولوشنی (CNN) در اواسط دهه ۲۰۱۰ تبدیل شدند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Very Deep Convolutional Networks for Large-Scale Image Recognition (VGGNet). ScholarGate. https://scholargate.app/fa/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.
- AlexNetیادگیری عمیق↔ compare
- DenseNetیادگیری عمیق↔ compare
- MobileNet: شبکههای عصبی کانولوشنی کارآمد برای بینایی ماشین در موبایلیادگیری عمیق↔ compare
- ResNet (شبکه باقیمانده)یادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →