卷积神经网络从LeNet-5开始逐渐火热起来，下面简要的说明各大研究所高校关于卷积神经网络的研究：
1.最经典的LeNet-5是一个7层神经网络模型，但是依据后来论文里面的定义，POOLING层不算做事单独的一层，那就意味着Lenet-5是一个5层的神经网络，每个卷积操作之后都紧跟着一个池化操作；
2.沿袭着Lecun的卷积神经网络模型，Krizhevsky提出了新的卷积神经网络模型-AlexNet，包含8层卷积池化全连接模型，在其中，pool层就没算作的单独的一层；
3.后来提出了ZFNET，此模型的提出目的是提高CNN的性能，核心的做法是将AlexNet中的卷积核从11*11减小到7*7，并且减小了滑动步长4到2,；
4.之后的VGGNET为了更进一步的提取高维特征，采取了更深的模型，达到了19层，并且将卷积核减小到3*3；
5.GoogleNet个人认为是CNN的完美模型，此模型不仅是从深度和宽度的增加，而且宽度不仅仅是通过增加Feature Map来增加宽度，而是通过一种并联结构，让参数自己选择CNN的架构，更加具有可行性，通过ImageNet数据集更加证实了此模型的可行性；