VGG论文阅读笔记

前言

    这次带来的是2014年ImageNet挑战赛分类问题的亚军，同时也是定位问题的冠军论文，VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION，就是大名鼎鼎的VGG啦。我将全文梳理一遍VGG的中心思想，并穿插一些自己的理解。下面给出一些阅读过程中对我有很大帮助的参考资料，以表示感谢，并附上VGG原文下载链接。
　　VGG 论文笔记
　　VGG论文原文重点提炼解析
　　卷积神经网络常见架构AlexNet、ZFNet、VGGNet、GoogleNet和ResNet模型
　　计算感受野的好用网址
　　深度学习VGG模型核心拆解
　　VGG-论文解读
　　VGG论文下载传送门

VGG论文阅读笔记

1 Introduction

    简要介绍了目前的卷积神经网络能够快速发展的原因（大规模数据集、硬件的发展如GPU）。提到了ImageNet挑战赛对卷积神经网络发展的推动作用。
　　由于AlexNet的成功，很多人开始对其进行改进。提到了ILSVRC-2013表现最好的方法，它在第一个卷积层使用了更小感受野的窗口和更小的步长。另有一篇论文提到在整个图像和多个尺度上改进网络的训练和测试过程。本文主要是研究网络深度对性能的影响。我们固定网络的其他超参数，通过增加卷积层的个数来缓慢增加网络的深度。该操作是可行的，原因是所有层都使用了一个较小的3*3卷积核（应该是网