LeNet-5、AlexNet、ZFNet、VGGNet、GoogleNet、ResNet，ResNeXt，DenseNet，Shake Shake，SeNet，MobileNet，ShuffleNet，DarkNet LeNet：最早用于数字识别的CNN AlexNet：2012年ILSVRC比赛冠军，远超第二名的CNN，比LeNet更深，用多层 小卷积叠加来替换单个的大卷积 ZF Net：2013ILSVRC冠军 GoogleNet：2014ILSVRC冠军 VGGNet：2014ILSVRC比赛中算法模型，效果率低于GoogleNet ResNet：2015ILSVRC冠军，结构修正以适应更深层次的CNN训练 ResNeXt: 与ResNet 相比，相同的参数个数，结果更好：101 层的 ResNeXt 网络，和 200 层的ResNet 准确度差不多，但是计算量只有后者的一半 DenseNet: (Dense Convolutional Network)是一种具有密集连接的卷积神经网络，在这个网络结构中任意两层之间均存在直接连接，也就是说每一层的输入都是前面所有层输出的并集，而该层所学习的特征图也会被直接传给其后面所有层作为输入 SeNet: (Squeeze-and-Excitation Networks)是ImageNet2017年分类任务冠军，核心思想是：Squeeze(挤压、压缩)和Excitation(激励)两个操作 MobileNet：是专门为了移动端和嵌入式深度学习应用设计的网络结构，主要是为了得到一个在较低配置资源上也具有非常好的效果的这个特性。其主要特点为：轻量化和直接使用stride=2的卷积代替池化层；其主要创新点：引入了depthwise separableconvolutions(纵向可分离卷积)，主要分解为两个更小的卷积操 ShuffleNet：是一种满足在受限条件下的高效基础网络结构，基于组群卷积(Group Convolution)和深度可分离卷积(DepthwiseSeparable Convolution)  DarkNet:   适用于移动端的网络:

1、darknet

2、mobilenet

3、shuflenet

4、densenet

5、google小、高效网络搜索