CNN、LeNet、AlexNet、VGG、GoogLeNet、RCNN、Fast RCNN、Faster RCNN、YOLO、YOLOv2、SSD等的关系

卷积神经网络的现状

1943年美国数学家提出人工智能

1949年心理学家建立神经元模型

1957年弗兰克提出 感知器人工神经网络模型

1980年建立多层感知器模型

1984日本学者提出卷积神经网络原始模型神经感知机

1998年提出LeNet-5卷积神经网络，并发展了其在音符和字符上的优势

2012年提出八层网络结构的AlexNet卷积神经网络

2014年牛津大学提出VGG网络

2015年谷歌提出GoogLeNet，同年微软构建了RestNet

1、CNN，卷积神经网络，是以卷积为核心的一大类网络。

2、LeNet、AlexNet、VGG、GoogLeNet，属于CNN。这些模型都是基于CNN单元构建起来的，本来是用来训练图像分类任务的

3、RCNN、Fast RCNN、Faster RCNN、YOLO、YOLOv2、SSD，也属于CNN，但和2是另一条路线。这些模型是用于检测任务的。

区别：从肤浅的层面说，2和3的区别在于，2属于用于图像分类的CNN，3属于用于目标检测的CNN。

RCNN-> fastRCNN -> fasterRCNN 是two-stage的方法，YOLO->YOLOv2->YOLOV3, SSD是one-stage的方法。

比如目标检测，RCNN系列、YOLO等都是利用了训练好