VGGNet (Very Deep Convolutional Networks)
VGGNet ir dziļš konvolūciju neironu tīklu arhitektūras variants, ko 2014. gadā ieviesa Karens Simonjans un Endrjū Zisermans no Oksfordas Visual Geometry Group (VGG) (publicēts ICLR 2015). Tā demonstrēja, ka tīkla dziļums — panākts tikai ar mazu 3x3 konvolūciju filtru sakraušanu — ir vissvarīgākais faktors augstas attēlu klasifikācijas precizitātes sasniegšanai, un tā divi kanoniskie varianti (VGG-16 un VGG-19) kļuva par dominējošajiem etalona arhitektūras modeļiem konvolūciju neironu tīklu (CNN) projektēšanā 2010. gadu vidū.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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
Kā citēt šo lapu
ScholarGate. (2026, June 3). Very Deep Convolutional Networks for Large-Scale Image Recognition (VGGNet). ScholarGate. https://scholargate.app/lv/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.
- AlexNetDziļā mācīšanās↔ compare
- DenseNetDziļā mācīšanās↔ compare
- MobileNet: Efektīvi konvolucionālie neironu tīkli mobilajai redzeiDziļā mācīšanās↔ compare
- ResNet (Atliekošais tīkls)Dziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →