Methodenbewijsdossier

VGGNet

VGGNet is a deep convolutional neural network architecture introduced by Karen Simonyan and Andrew Zisserman at the Visual Geometry Group, Oxford, in 2014 (published at ICLR 2015). It demonstrated that network depth — achieved exclusively through stacking small 3x3 convolutional filters — is the single most critical factor for high image-classification accuracy, and its two canonical variants (VGG-16 and VGG-19) became the dominant benchmark architectures for CNN design throughout the mid-2010s.

Sources recorded, not reviewed

Bronrecord

Citaten letterlijk overgenomen uit het bronrecord van de methode. Hieruit wordt geen verificatie op claimniveau afgeleid.

Very Deep Convolutional Networks for Large-Scale Image Recognition (VGGNet)

Taxonomisch methodendossier · ml-model / deep-learning

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

Volledige methode openen

Gecureerde claims

Claims opgeslagen in het bewijsregister, elk met zijn eigen beoordeling.

Nog geen gecureerde claims

Deze weergave verzint geen claimbeoordeling als het register er geen heeft.

Gerelateerde methoden

Gegenereerd uit de methodegraaf en getoond als machinaal voorgestelde relaties — er wordt geen bewijsclaim afgeleid.

Same method familyAlexNetmachine-suggested · Relational suggestion, not evidence.Same method familyDenseNetmachine-suggested · Relational suggestion, not evidence.Same method familyMobileNetmachine-suggested · Relational suggestion, not evidence.Same method familyResNetmachine-suggested · Relational suggestion, not evidence.