CNN发展史脉络概述图整理，学习心得，供参考，错误请批评指正。

相关论文：

LeNet：Handwritten Digit Recognition with a Back-Propagation Network；
Gradient-Based Learning Applied to Document Recognition（CNN的起点）；

AlexNet：ImageNet Classification with Deep Convolutional Neural Networks（奠定CNN的基础）；

OverFeat：OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks；

ZFNet：isualizing and Understanding Convolutional Networks（在AlexNet基础上做可视化、可解释
相关工作）；

VGG：VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION（将模块堆叠到极致）；

Inception V1/GoogLeNet：Going deeper with convolutions（开始剑走偏锋，提出一些非常规的分解、并行模块，Inception架构的基础）；

BN-Inception：Batch Normalization： Accelerating Deep Network Training by Reducing Internal Covariate Shift（Inception+Batch Normalization）；

Inception V2/Inception V3：Rethinking the Inception Architecture for Computer Vision（上承Inception-V1，下启Inception-V4和Xception，继续对模块进行分解）；

Inception-V4, Inception-ResNet：Inception-V4, Inception-ResNet and the Impact of Residual Connections on Learning（纯Inception block、结合ResNet和Inception）；

Xception：Deep Learning with Depthwise Separable Convolutions（Xception：extreme inception，分解到极致的Inception）；

ResNet V1：Deep Residual Learning for Image Recognition（何凯明，提出残差连接概念 ResNet系列开山之作）；

ResNet V2：Identity Mappings in Deep Residual Networks（何凯明，在V1的基础上进行改进，和V1同一个作者）；

DenseNet：Densely Connected Convolutional Networks；

ResNeXt：Aggregated Residual Transformations for Deep Neural Networks（何凯明团队）；

DualPathNet：Dual Path Networks；

SENet：queeze-and-Excitation Networks（提出SE模块，可以便捷的插入其他网络，由此有了一系列SE-X网络）；

Res2Net：Res2Net: A New Multi-scale Backbone Architecture；

ResNeSt：ResNeSt：Split-Attention Networks（集大成者）；

NAS：NEURAL ARCHITECTURE SEARCH WITH REINFORCEMENT LEARNING（神经网络搜索的开山作之 有人工智能设计网络）；

NASNet：Learning Transferable Architectures for Scalable Image Recognition（将预测Layer参数改为预测block参数）；

MnasNet：Platform-Aware Neural Architecture Search for Mobile（适用于算力受限的设备——移动端等）；

MobileNets系列：
MobileNet V1: Efficient Convolutional Neural Networks for Mobile Vision Applications；

MobileNetV2：Inverted Residuals and Linear Bottlenecks；

MobileNetV3：Searching for MobileNetV3（用人工智能搜索出的架构）；

SqueezeNet：ALEXNET-LEVEL ACCURACY WITH 50X FEWER PARAMETERS AND ＜0.5MB MODEL SIZE（与AlexNet同等精度，参数量比AlexNet小50倍，模型尺寸< 0.5MB的网络）；

ShuffleNet V1：ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices；

ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design；

EfficientNet V1：EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks；

EfficientNetV2: Smaller Models and Faster Training；

Transformer：Attention Is All You Need（开山之作）；

ViT：AN IMAGE IS WORTH 16X16 WORDS: TRANSFORMERS FOR IMAGE RECOGNITION AT SCALE（transformer在CV领域应用的里程碑著作）；

Swin：Swin Transformer: Hierarchical Vision Transformer using Shifted Windows（视觉Transformer）；

VAN：Visual Attention Network（不是Transformer、只是将Transformer的思想借鉴入CNN中）；

PVT：Pyramid Vision Transformer: A Versatile Backbone for Dense Prediction without Convolutions（金字塔结构+Transformer）；

TNT：Transformer in Transformer；

MLP-Mixer：MLP-Mixer: An all-MLP Architecture for Vision；

ConvMixer：ConvMixer：Patches Are All You Need（ 证明 ViT 性能主要归因于使用Patchs作为输入表示的假设）；