以前書いた記事と被るところがあり、新しく出てきたところは詳しく解説します。
https://qiita.com/MeiByeleth/items/5b210831cd866a7b42cf

画像認識

Inputは画像、Outputは画像が何であるかのデータ[例 cat:0.99,dog:0.01]のものを書きます。

VGG

畳み込み層13層、FC層3層からなる手法。
それなりの性能が出ており、学習済みモデルは今でも使われています。

GoogLeNet

VGG16とは逆で非常に複雑な手法。

・Inception モジュールを使う
・1*1の畳み込みを積極的に使う

の2つが特徴。

MobileNet

高速化を意識した画像認識の手法。
Xceptionなどに用いられた畳み込みの手法を用いて計算量を大幅に削減しました。
Xceptionと異なるのはResNetのようなショートカットを用いない点、depthwise畳み込みとpointwise畳み込みの間にbatch normalizationとReLUを利用している点です。