在深度學習的發展歷程中，卷積神經網絡（CNN）的演進是計算機視覺領域的重要里程碑。本文將圖解對比LeNet、AlexNet、Inception系列、VGG、ResNet和DenseNet，幫助理解各網絡的核心設計與特性。\n\n1. LeNet (1998):\n- 結構: 輸入→卷積層C1（6個5×5卷積核）→池化層S2→卷積層C3（16個5×5卷積核）→池化層S4→全連接層C5（120單元）→全連接層F6（84單元）→Softmax輸出]\n- 關鍵設計: 使用雙卷化積（一大一小過濾器），包含簡化回旋設計的計算機制，如構建性跳躍分支。\n- @Figure1：