VGGNet (Very Deep Convolutional Networks)
VGGNet on syvä konvoluutioneuroverkkoarkkitehtuuri, jonka Karen Simonyan ja Andrew Zisserman esittelivät Visual Geometry Groupissa Oxfordin yliopistossa vuonna 2014 (julkaistu ICLR 2015 -konferenssissa). Se osoitti, että verkon syvyys – saavutettuna yksinomaan pienillä 3x3 konvoluutiosuodattimilla pinoamalla – on tärkein tekijä korkean kuvanluokittelutarkkuuden saavuttamisessa, ja sen kaksi kanonista varianttia (VGG-16 ja VGG-19) muodostuivat hallitseviksi vertailuarkkitehtuureiksi konvoluutioneuroverkkojen suunnittelussa 2010-luvun puolivälissä.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Very Deep Convolutional Networks for Large-Scale Image Recognition (VGGNet). ScholarGate. https://scholargate.app/fi/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.
- AlexNetSyväoppiminen↔ compare
- DenseNetSyväoppiminen↔ compare
- MobileNet: Tehokkaat konvoluutionaaliset neuroverkot mobiilinäköönSyväoppiminen↔ compare
- ResNet (Residual Network)Syväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →