VGGNet (Redes Convolucionais Muito Profundas)
VGGNet é uma arquitetura de rede neural convolucional profunda introduzida por Karen Simonyan e Andrew Zisserman no Visual Geometry Group, Oxford, em 2014 (publicada no ICLR 2015). Ela demonstrou que a profundidade da rede — alcançada exclusivamente através do empilhamento de pequenos filtros convolucionais 3x3 — é o fator mais crítico para alta precisão na classificação de imagens, e suas duas variantes canônicas (VGG-16 e VGG-19) tornaram-se as arquiteturas de referência dominantes para o design de CNNs ao longo de meados da década de 2010.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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
Como citar esta página
ScholarGate. (2026, June 3). Very Deep Convolutional Networks for Large-Scale Image Recognition (VGGNet). ScholarGate. https://scholargate.app/pt/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.
- AlexNetAprendizado profundo↔ compare
- DenseNetAprendizado profundo↔ compare
- MobileNetAprendizado profundo↔ compare
- ResNet (Rede Residual)Aprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →