经典CNN设计演变的关键总结：从VGGNet到EfficientNet

卷积神经网络设计史上的主要里程碑：模块化、多路径、因式分解、压缩、可扩展

一般来说，分类问题是计算机视觉模型的基础，它可以延申解决更复杂的视觉问题，例如：目标检测的任务包括检测边界框并对其中的对象进行分类。而分割的任务则是对图像中的每个像素进行分类。

卷积神经网络(CNNs)首次被用于解决图像分类问题，并且取得了很好的效果，所以在这个问题上，研究人员开始展开竞争。通过对ImageNet Challenge中更精确分类器的快速跟踪研究，他们解决了与大容量神经网络的统计学习相关的更普遍的问题，导致了深度学习的重大进展。

在本文中我们将整理一些经典的CNN模型，详细介绍这些模型的设计理论和关键设计点：

https://avoid.overfit.cn/post/7f9e04b064324bb0be9868cd34ace7de