卷积神经网络有哪些
卷积神经网络有以下几种经典架构：
1. LeNet-5：由Yann LeCun在1998年提出，是许多神经网络架构的起点。
2. AlexNet：共有8层，由五层卷积、三层全连接组成，输入图像尺寸为224*224*3，网络规模远大于LeNet-5。
3. VGGNet：由牛津大学和DeepMind研发的深度学习网络。
4. InceptionNet（GoogLeNet）：旨在通过增加网络的宽度来提升网络的能力，与VGGNet通过卷积层堆叠的方式（纵向）相比，是一个不同的方向（横向）。
5. ResNet：特点是容易优化，并且能够通过增加相当的深度来提高准确率。其内部的残差块使用了跳跃连接，缓解了在深度神经网络中增加深度带来的梯度消失问题。
这些卷积神经网络在图像识别、目标检测等领域取得了显著的成果。
