有着较深的网络,使用小卷积核。
输入图像的大小为224*224。
5组卷积,卷积核大小3*3。
每组卷积后进行最大池化。
之后是3个全连接层。
最后是1个softmax分类器。
VGGnet能够学习比较复杂的功能,而且有着较低的成本。
有着较深的网络,使用小卷积核。
输入图像的大小为224*224。
5组卷积,卷积核大小3*3。
每组卷积后进行最大池化。
之后是3个全连接层。
最后是1个softmax分类器。
VGGnet能够学习比较复杂的功能,而且有着较低的成本。