《表1 主流网络结构对比：深度学习算法研究进展》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《深度学习算法研究进展》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

针对不同的应用目的和应用领域，人们提出了一些不同的神经网络。20世纪80年代提出的卷积神经网络（CNN）是经典深度学习网络，在计算机飞速发展和海量数据的背景下，人们不断尝试用不同的方法来训练CNN。特别地，Krizhevsky等人在2012年提出了一种经典CNN架构，证明了该结构在特征提取问题上的潜力，在图像领域取得了重要突破[11]。2014年Girshick等人提出了R-CNN模型，它最早是被用来进行物体检测的一种深度学习算法[12]。下面分别介绍几种具有代表性的神经网络深度学习框架，其汇总对比见表1。