请按时间顺序列出卷积神经网络用于图像处理的典型模型

以下是卷积神经网络用于图像处理的典型模型，按时间顺序排列：

1. LeNet-5：Yann LeCun 在 1998 年提出的卷积神经网络模型，被广泛应用于手写数字识别。

2. AlexNet：Alex Krizhevsky 在 2012 年提出的卷积神经网络模型，通过在 ImageNet 大规模图像识别竞赛中取得了惊人的成绩，推动了卷积神经网络的发展。

3. VGGNet：Karen Simonyan 和 Andrew Zisserman 在 2014 年提出的卷积神经网络模型，将网络深度加深到 16 或 19 层，提高了网络的表达能力。

4. GoogLeNet/InceptionNet：Christian Szegedy 等人在 2014 年提出的卷积神经网络模型，通过设计 Inception 模块，提高了网络的效率和准确率。

5. ResNet：Kaiming He 等人在 2015 年提出的卷积神经网络模型，通过设计残差模块，解决了深度网络的梯度消失和过拟合问题，成为目前最常用的网络模型之一。

6. DenseNet：Gao Huang 等人在 2017 年提出的卷积神经网络模型，通过设计密集连接模块，进一步提高了网络的表达能力和效率。