VGGNet (Very Deep Convolutional Networks)
VGGNet to głęboka architektura konwolucyjnej sieci neuronowej wprowadzona przez Karen Simonyan i Andrew Zissermana z Visual Geometry Group, Uniwersytet Oksfordzki, w 2014 roku (opublikowana na ICLR 2015). Wykazała ona, że głębokość sieci — osiągnięta wyłącznie poprzez stosowanie małych filtrów konwolucyjnych 3x3 — jest najważniejszym czynnikiem decydującym o wysokiej dokładności klasyfikacji obrazów, a jej dwa kanoniczne warianty (VGG-16 i VGG-19) stały się dominującymi architekturami referencyjnymi dla projektowania CNN w połowie lat 2010.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). Very Deep Convolutional Networks for Large-Scale Image Recognition (VGGNet). ScholarGate. https://scholargate.app/pl/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.
- AlexNetUczenie głębokie↔ compare
- DenseNetUczenie głębokie↔ compare
- MobileNet: Wydajne konwolucyjne sieci neuronowe dla wizji mobilnejUczenie głębokie↔ compare
- ResNet (Residual Network)Uczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →