Machine learning
VGGNet（超深度卷积网络）
VGGNet是一种深度卷积神经网络架构，由牛津大学视觉几何组的Karen Simonyan和Andrew Zisserman于2014年提出（发表于ICLR 2015）。它证明了网络深度——通过堆叠小型3x3卷积滤波器独家实现——是图像分类高准确率最关键的单一因素，其两个经典变体（VGG-16和VGG-19）在2010年代中期成为CNN设计的主导基准架构。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
Method map
The neighbourhood of related methods — select a node to explore.
来源
- 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
如何引用本页
ScholarGate. (2026, June 3). Very Deep Convolutional Networks for Large-Scale Image Recognition (VGGNet). ScholarGate. https://scholargate.app/zh/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.
- AlexNet深度学习↔ compare
- DenseNet深度学习↔ compare
- MobileNet：面向移动视觉的高效卷积神经网络深度学习↔ compare
- 残差网络（ResNet）深度学习↔ compare