AlexNet
- 共8个网络层,分布是5个卷积层和3个全连接层(一般论文中计算网络层不包括池化层)
VGG
- 神经网络深度延伸到十几层,并且大量采用小尺寸的卷积层
GoogleNet
- 提出inception结构,该结构有多条分支,每条分支采用不同尺寸卷积核的卷积层
ResNet
- ILSVRC-2015图像分类任务冠军,也是CVPR2016的最佳论文
- 网络的训练深度延伸到了数百层
- 引入残差结构,使得深层网络训练能够顺利进行
ResNetXt
- 相比于ResNet引入了卷积层分组思想
DenseNet
- CVPR2017年最佳论文
- 思想是尽可能多的利用网络提取到的特征,每一层的输入特征是前面几层输出特征的集合
SENet
- 通过学习特征的通道权重来刻画不同通道特征之间的关系
MobileNet
- 主要引入深度可分离卷积
ShuffleNet
- 主要引入通道随机组合思想