VGG多种网络结构的搭建以及感受野的计算

前言

本学习笔记参考自B站up主霹雳吧啦Wz

代码均来自导师github开源项目WZMIAOMIAO/deep-learning-for-image-processing: deep learning for image processing including classification and object-detection etc. (github.com)

---

一、VGG网络结构

vgg有多种网络结构

其中常用的是VGG16的网络结构

网络中的亮点：通过堆叠多个3×3得到卷积核来代替大尺度卷积核，以减少所需的参数。论文中提到，可以通过堆叠两个3×3的卷积核代替5×5的卷积核，堆叠三个3×3的卷积核代替7×7的卷积核

拥有相同的感受野

1.1、感受野的计算

什么是感受野：

输出矩阵上的一个单元对应的输入层上的区域大小

例如此处，第三层一个特征对应第一层的区域是5×5，所以说第三层的感受野就是5×5

计算公式：
$$F(i)=(F(i+1)-1)\times Stride+Ksize$$

再回到之前说的用多个3×3的卷积核代替大卷积核

可以很清楚的看到参数少了不少

---

1、model

这里的搭建与之前有所不同的是，因为VGG有多种网络配置，所以我们建立一个make_features的函数来生成不同的网络结构

def make_features(cfg:list):		# 接受参数为列表
    layers = []
    in_channels = 3
    for v in cfg:
        if v == 'M':
            layers += [nn.MaxPool2d(kernel_size=2, stride=2)]
        else:
            conv2d = nn.Conv2d(in_channels, v, kernel_size=3, padding=1)
            layers += [conv2d, nn.ReLU(True)]
            in_channels = v
    return nn.Sequential(*layers)   # 返回这里用到了一个可变参数(*layers)，具体用法可以自行查找

然后我们在定义一个字典cfgs来储存特征层参数

其中数字代表这一层是卷积层，数字为卷积核的个数。

“M”为这一层是最大下采样池化层

cfgs = {
    'vgg11': [64, 'M', 128, 'M', 256, 256, 'M', 512, 512, 'M', 512, 512, 'M'],
    'vgg13': [64, 64, 'M', 128, 128, 'M', 256, 256, 'M', 512, 512, 'M', 512, 512, 'M'],
    'vgg16': [64, 64, 'M', 128, 128, 'M', 256, 256, 256, 'M', 512, 512, 512, 'M', 512, 512, 512, 'M'],
    'vgg19': [64, 64, 'M', 128, 128, 'M', 256, 256, 256, 256, 'M', 512, 512, 512, 512, 'M', 512, 512, 512, 512, 'M'],
}

最后我们只需要在初始化函数里面加上变量features来接收我们的特征就可以了

	 def __init__(self, features, num_classes=1000, init_weights=False):

同时我们还需要搭建一个接收函数来接收选择的网络层命令

def vgg(model_name='vgg16', **kwargs):		# 使用关键字参数**kwargs
    assert model_name in cfgs, "Warning: model number {} not in cfgs dict!".format(model_name)
    cfg = cfgs[model_name]
    
    model = VGG(make_features(cfg), **kwargs)
    return model

---

2、train and predict

训练模块和预测模块与上一张alexnet的也就大同小异了，这里就不讲了

---

最后在感叹一下，霹导师的代码写的真漂亮！