VGGNet (Very Deep Convolutional Networks)
VGGNet è un'architettura di rete neurale convoluzionale profonda introdotta da Karen Simonyan e Andrew Zisserman presso il Visual Geometry Group, Oxford, nel 2014 (pubblicata all'ICLR 2015). Ha dimostrato che la profondità della rete — ottenuta esclusivamente impilando piccoli filtri convoluzionali 3x3 — è il fattore più critico per un'elevata accuratezza nella classificazione delle immagini, e le sue due varianti canoniche (VGG-16 e VGG-19) sono diventate le architetture di riferimento dominanti per la progettazione di CNN nel corso della metà degli anni 2010.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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
Come citare questa pagina
ScholarGate. (2026, June 3). Very Deep Convolutional Networks for Large-Scale Image Recognition (VGGNet). ScholarGate. https://scholargate.app/it/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.
- AlexNetApprendimento profondo↔ compare
- DenseNetApprendimento profondo↔ compare
- MobileNetApprendimento profondo↔ compare
- ResNet (Residual Network)Apprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →