深度卷积网络图像风格转移（二）架构分析

　　病理图像分类常用的深度卷积神经网络包括：

　　1. VGGNet：由 Oxford 的研究人员提出，是一个经典的深度卷积神经网络，在 ImageNet 大规模视觉识别竞赛中获得了图像分类的第一名。

　　2. ResNet：由微软亚洲研究院的研究人员提出，是一个非常深的卷积神经网络，通过引入残差模块（Residual Block）有效解决了深度神经网络中的梯度消失问题。

　　3. Inception：由 Google 的研究人员提出，是一个非常复杂的卷积神经网络，通过并行多个分支提取特征，并使用 1x1 卷积层进行特征融合，在图像分类、目标检测等领域均取得了不错的效果。

　　4. DenseNet：由斯坦福大学的研究人员提出，与 ResNet 类似，也是一个非常深的卷积神经网络，通过使用密集连接（Dense Connection）有效提高了网络的特征重用能力，进而提升了网络的性能。

　　以上这些深度卷积神经网络在病理图像分类任务中均有应用，并取得了不错的效果。