Machine learning
VGGNet (Very Deep Convolutional Networks)
VGGNet은 2014년 옥스퍼드 대학 시각 기하학 그룹(Visual Geometry Group, Oxford)의 Karen Simonyan과 Andrew Zisserman이 소개한 심층 합성곱 신경망(deep convolutional neural network) 아키텍처입니다(ICLR 2015 발표). 이 아키텍처는 오직 작은 3x3 합성곱 필터만을 쌓아 얻은 네트워크 깊이가 이미지 분류 정확도에 가장 중요한 단일 요인임을 입증했으며, 두 가지 표준 변형(VGG-16 및 VGG-19)은 2010년대 중반 CNN 설계의 지배적인 벤치마크 아키텍처가 되었습니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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
이 페이지 인용 방법
ScholarGate. (2026, June 3). Very Deep Convolutional Networks for Large-Scale Image Recognition (VGGNet). ScholarGate. https://scholargate.app/ko/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.
- AlexNet딥러닝↔ compare
- DenseNet딥러닝↔ compare
- 모바일넷: 모바일 비전을 위한 효율적인 합성곱 신경망딥러닝↔ compare
- ResNet (Residual Network)딥러닝↔ compare