VGGNet (Very Deep Convolutional Networks)
VGGNet ialah seni bina rangkaian saraf konvolusional mendalam yang diperkenalkan oleh Karen Simonyan dan Andrew Zisserman di Visual Geometry Group, Oxford, pada tahun 2014 (diterbitkan di ICLR 2015). Ia menunjukkan bahawa kedalaman rangkaian — dicapai secara eksklusif melalui penyusunan penapis konvolusional 3x3 yang kecil — adalah faktor tunggal yang paling kritikal untuk ketepatan klasifikasi imej yang tinggi, dan dua varian kanoniknya (VGG-16 dan VGG-19) menjadi seni bina penanda aras dominan untuk reka bentuk CNN sepanjang pertengahan 2010-an.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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
Cara memetik halaman ini
ScholarGate. (2026, June 3). Very Deep Convolutional Networks for Large-Scale Image Recognition (VGGNet). ScholarGate. https://scholargate.app/ms/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.
- AlexNetPembelajaran Mendalam↔ compare
- DenseNetPembelajaran Mendalam↔ compare
- MobileNet: Rangkaian Konvolusional Cekap untuk Visi Mudah AlihPembelajaran Mendalam↔ compare
- ResNet (Residual Network)Pembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →