VGGNet (Very Deep Convolutional Networks)
VGGNet is een diep convolutioneel neuraal netwerkarchitectuur die in 2014 werd geïntroduceerd door Karen Simonyan en Andrew Zisserman van de Visual Geometry Group, Oxford (gepubliceerd op ICLR 2015). Het toonde aan dat de diepte van het netwerk – uitsluitend bereikt door het stapelen van kleine 3x3 convolutionele filters – de meest kritische factor is voor een hoge nauwkeurigheid bij beeldclassificatie, en de twee canonieke varianten (VGG-16 en VGG-19) werden de dominante benchmarkarchitecturen voor CNN-ontwerp gedurende het midden van de jaren 2010.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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
Deze pagina citeren
ScholarGate. (2026, June 3). Very Deep Convolutional Networks for Large-Scale Image Recognition (VGGNet). ScholarGate. https://scholargate.app/nl/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.
- AlexNetDeep learning↔ compare
- DenseNetDeep learning↔ compare
- MobileNet: Efficiënte Convolutionele Neurale Netwerken voor Mobiele VisieDeep learning↔ compare
- ResNet (Residual Network)Deep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →