Karen Simonyan

概述

英国牛津大学计算机视觉研究员，与 Andrew Zisserman 合作提出了 VGGNet 架构，通过系统验证网络深度对性能的影响，为深度学习发展做出了重要贡献。

关键内容

1. VGGNet 论文（2014）：与 Andrew Zisserman 合作发表著名论文《Very Deep Convolutional Networks for Large-Scale Image Recognition》，提出使用 3×3 小卷积核堆叠的 VGG 架构，系统验证了深度对性能的重要性。

2. 深度的力量：VGGNet 证明了增加网络深度可以显著提升性能，其 16-19 层的设计影响了后续的 残差网络（ResNet） 和 GoogLeNet: Inception 模块的设计思路。

3. 学术遗产：VGG 网络因其简洁的架构成为特征提取的标准 backbone，至今仍广泛用于迁移学习，为计算机视觉领域的研究奠定了基础。

4. 研究成果：其工作强调了网络深度的重要性，为后续的超深网络架构设计提供了理论基础和实践经验。

来源

• Very Deep Convolutional Networks for Large-Scale Image Recognition (2014 论文) — 原始论文
• ai_papers_timeline.md — 2014 年时间线条目

相关

• VGGNet — created
• 卷积神经网络（CNN） — contributed_to
• Andrew Zisserman — collaborates_with
• University of Oxford — affiliated_with
• Very Deep Convolutional Networks for Large-Scale Image Recognition (2014 论文) — authored