1998年：LeNet

《Gradient-based Learning Applied to Document Recognition》

论文：http://lushuangning.oss-cn-beijing.aliyuncs.com/CNN%E5%AD%A6%E4%B9%A0%E7%B3%BB%E5%88%97/Gradient-Based_Learning_Applied_to_Document_Recognition.pdf
卷积神经网络的开山之作

2012年：AlexNet

《ImageNet Classification with Deep Convolutional Neural Networks》

论文：https://dl.acm.org/doi/10.1145/3065386
首次将卷积神经网络和深度学习应用于大型图像识别，提出来dropout层，为后来的BN层提供了灵感

2014年：R-CNN

《Rich feature hierarchies for accurate object detection and semantic segmentation》

首次将目标检测和卷积神经网络结合起来，并应用到工业级别。
R-CNN、fast-CNN、faster-CNN
将目标的分割和识别合二为一。
https://zhuanlan.zhihu.com/p/64694855
https://blog.csdn.net/v1_vivian/article/details/78599229

2015年：SPPNet

《Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition》

论文：https://arxiv.org/abs/1406.4729
借鉴了特征金字塔

2015年：GoogLeNet Inception V1 V2 V3 V4

V1：《Going deeper with convolutions》
V2：《Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift》
V3：《Rethinking the Inception Architecture for Computer Vision》(2015年)

V1:https://link.csdn.net/?target=https%3A%2F%2Fieeexplore.ieee.org%2Fdocument%2F7298594
V2:https://arxiv.org/pdf/1502.03167.pdf
V3:https://arxiv.org/pdf/1512.00567.pdf
更深的网络，直接解决计算和梯度递减问题

2015年：批量标准化

GoogLeNet V2：《Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift》

论文：https://arxiv.org/pdf/1502.03167.pdf
后来的网络逐渐开始使用BN层

2015年：VGGNet

《Very Deep Convolutional Networks for Large-Scale Image Recognition》

论文：[https://arxiv.org/abs/1409.1556](https://arxiv.org/abs/1409.1556）
模型：https://worksheets.codalab.org/worksheets/0xe2ac460eee7443438d5ab9f43824a819
使用了更深的网络，提出来预训练和权重初始化的重要性。开启了3*3的卷积时代，大大减少了参数量

2016年：ResNet

《Deep Residual Learning for Image Recognition》

论文：https://link.zhihu.com/?target=https%3A//arxiv.org/pdf/1512.03385.pdf

2016年：Xception

《Xception: Deep Learning with Depthwise Separable Convolutions》

论文：https://arxiv.org/abs/1610.02357
超越了ResNet和InceptionV3

2016年：Inception与ResNet结合的尝试

《Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning》

论文：https://arxiv.org/pdf/1602.07261.pdf

2017年：ResNet的改进ResNetV2

《Identity Mappings in Deep Residual Networks》

论文：https://arxiv.org/abs/1603.05027
对ResNet的改进

2017年：ResNet的一次改进DenseNet

《Densely Connected Convolutional Networks》

论文：https://link.csdn.net/?target=https%3A%2F%2Fopenaccess.thecvf.com%2Fcontent_cvpr_2017%2Fhtml%2FHuang_Densely_Connected_Convolutional_CVPR_2017_paper.html
模型：https://link.zhihu.com/?target=https%3A//github.com/liuzhuang13/DenseNet

2017年：ResNet的一次重大改进ResNext

《Aggregated Residual Transformations for Deep Neural Networks》

论文：https://arxiv.org/pdf/1611.05431.pdf
模型：https://github.com/facebookresearch/ResNeXt

2017年：MobileNet

《MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications》

论文：https://arxiv.org/abs/1704.04861
注意有V1，V2，V3

2017年：NASNet

《Learning Transferable Architectures for Scalable Image Recognition》

论文：https://arxiv.org/abs/1707.07012

2017年：SENet

《Squeeze-and-Excitation Networks》

论文：https://arxiv.org/abs/1709.01507
模型：https://github.com/hujie-frank/SENet
引入注意力机制的卷积神经网络

2017年：ShuffleNet

《ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices》

论文：https://arxiv.org/abs/1707.01083#:~:text=We%20introduce%20an%20extremely%20computation-efficient%20CNN%20architecture%20named,to%20greatly%20reduce%20computation%20cost%20while%20maintaining%20accuracy.
V1，V2版本

2018年：Bag of Tricks

《Bag of Tricks for Image Classification with Convolutional Neural Networks》

论文：https://arxiv.org/abs/1812.01187
一些分类的常用技巧

2019年：EfficientNet

《EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks》

论文：https://arxiv.org/abs/1905.11946v5

2020年：ECA

《ECA-Net: Efficient Channel Attention for Deep Convolutional Neural Networks》

论文：https://arxiv.org/abs/1910.03151
注意力机制

2020年：RegNet

《Designing Network Design Spaces》

论文：https://arxiv.org/abs/2003.13678

2020年：GhostNet

《GhostNet: More Features from Cheap Operations》

论文：https://arxiv.org/abs/1911.11907

2020年

https://blog.csdn.net/fendouaini/article/details/109280085

2021年：EfficientNetV2

《EfficientNetV2: Smaller Models and Faster Training》

论文：https://arxiv.org/abs/2104.00298

2021年：ResNet-RS

《Revisiting ResNets: Improved Training and Scaling Strategies》

论文：https://arxiv.org/pdf/2103.07579.pdf

2021年

有一些数据处理的论文。
https://zhuanlan.zhihu.com/p/354936159

2022年：ConvNext

《A ConvNet for the 2020s》

论文：https://arxiv.org/abs/2201.03545

2022年

图像处理
https://zhuanlan.zhihu.com/p/478286484

遇到没见过的持续更新。。。

图像识别经典论文汇总（按年份排，并附论文和模型链接）相关推荐

基于DEAP的脑电情绪识别论文源码改进版本（附论文代码，lstm和rnn）
论文及改进版源码链接: (论文加源码)基于DEAP的脑电情绪识别论文源码改进版本(附论文代码,lstm和rnn) https://download.csdn.net/download/qq_45874 ...
CVPR 2021接收结果出炉！录用1663篇，接受率显著提升，你的论文中了吗？（附论文下载）...
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达报道丨极市平台导读 CVPR2021结果出炉!你的论文中了吗? 就在刚刚,计算机视觉三大顶会之一CV ...
【学术相关】CVPR 2021接收结果出炉！录用1663篇，接受率显著提升，你的论文中了吗？（附论文下载）...
报道丨极市平台极市导读 CVPR2021结果出炉!你的论文中了吗? 就在刚刚,计算机视觉三大顶会之一CVPR2021接收结果已经公布,一共有1663篇论文被接收,接收率为27%. 目前所给出的接收论 ...
1210篇新冠肺炎论文文献合集整理，附论文原文地址（合集）
1210篇新冠肺炎论文文献整理,附论文原文地址(合集) 近期国内的新冠肺炎得到了一定的好转,但是相关的研究和治疗方向一直没有一个明确的说法.我在搜索相关文献时,发现了一个新冠肺炎相关文献的合集.在这里 ...
【论文汇总】RGB-T/D Crowd Counting论文汇总
[RGBT-CC] Cross-Modal Collaborative Representation Learning and a Large-Scale RGBT Benchmark for Cro ...
NAACL 2022事件相关(事件抽取、事件关系抽取、事件预测等)论文汇总
NAACL 2022事件抽取相关(事件抽取.事件关系抽取.事件预测等)论文汇总,已更新全部的论文讲解. Event Extraction RAAT: Relation-Augmented Attent ...
ACL 2022事件相关(事件抽取、事件关系抽取、事件预测等)论文汇总
ACL 2022事件相关(事件抽取.事件关系抽取.事件预测等)论文汇总,已更新全部的论文. Event Extraction Query and Extract: Refining Event Ext ...
经典！工业界深度推荐系统与CTR预估必读的论文汇总
(图片付费下载自视觉中国) 来源 | 深度传送门(ID: gh_5faae7b50fc5) 导读:本文是"深度推荐系统"专栏的第十一篇文章,这个系列将介绍在深度学习的强力驱动下,给 ...
机器学习深度学习经典资料汇总
小编都深深的震惊了,到底是谁那么好整理了那么多干货性的书籍.小编对此人表示崇高的敬意,小编不是文章的生产者,只是文章的搬运工. <Brief History of Machine Learnin ...

图像识别经典论文汇总（按年份排，并附论文和模型链接）