在深度学习的发展历程中，卷积神经网络（CNN）的演进是计算机视觉领域的重要里程碑。本文将图解对比LeNet、AlexNet、Inception系列、VGG、ResNet和DenseNet，帮助理解各网络的核心设计与特性。\n\n1. LeNet (1998):\n- 结构: 输入→卷积层C1（6个5×5卷积核）→池化层S2→卷积层C3（16个5×5卷积核）→池化层S4→全连接层C5（120单元）→全连接层F6（84单元）→Softmax输出]\n- 关键设计: 使用双卷化积（一大一小过滤器），包含简化回旋设计的计算机制，如构建性跳跃分支。\n- @Figure1：