深度学习-CNN-VGG

VGG 是由英国牛津大学的 Visual Geometry Group 提出的经典卷积神经网络模型。它在 2014 年的 ImageNet 大规模视觉识别挑战赛（ILSVRC）中表现优异，尤其是 VGG16 和 VGG19，分别包含 16 层和 19 层参数化层。

VGG 的关键特点

1. 深度网络结构
   VGG 网络的主要特点在于其深度。相比于早期的 AlexNet 等网络，VGG 通过增加网络的深度来提高模型的性能。VGG16 和 VGG19 分别包含 16 和 19 层（不包括池化层和全连接层）。

2. 小卷积核
   VGG 网络的另一个特点是使用了非常小的卷积核，所有卷积层的卷积核大小均为 3x3，而池化层的步长为 2x2。这种设计不仅保持了网络结构的简单性，还能够提取更细粒度的特征信息。

3. 堆叠卷积层
   VGG 使用了多个 3x3 的卷积核层堆叠，这种方式能够在保持相对较小参数量的同时，增加网络的非线性能力。每堆叠几层卷积后，会使用池化层进行下采样，从而降低特征图的空间尺寸。

4. 全连接层与 Softmax 输出
   在 VGG 网络的末端，会连接多个全连接层，最终使用 Softmax 激活函数进行分类。VGG16 和 VGG19 通常用于 1000 类分类任务，因此最终输出 1000 个类别。

网络结构

以下是 VGG16 的简化网络结构：

• 输入层：输入图像的大小为 224x224x3（ImageNet 图片大小）。
• 卷积层：多个 3x3 卷积层叠加，每经过几层卷积后使用 2x2 最大池化进行下采样。
• 全连接层：3 层全连接层，最后通过 Softmax 输出类别。

---

VGG 网络的详细结构以其深度和简单性闻名，主要有两个常见版本：VGG16 和 VGG19，它们分别包含 16 层和 19 层参数化层。以下是这两个版本的详细结构。

VGG16 网络结构

VGG16 由 13 个卷积层、5 个最大池化层和 3 个全连接层组成，总共有 16 个可训练的层（参数层）。卷积层的卷积核大小为 3x3，步幅为 1，所有池化层使用 2x2 的最大池化。

VGG16 结构具体如下：

层类型	输出尺寸	详细配置	参数数量
输入层	224x224x3	-	0
卷积层1-1	224x224x64	3x3 卷积, 64 个卷积核, 步长 1, Same 填充	1,792
卷积层1-2	224x224x64	3x3 卷积, 64 个卷积核, 步长 1, Same 填充	36,928
最大池化层1	112x112x64	2x2 最大池化, 步长 2	0
卷积层2-1	112x112x128	3x3 卷积, 128 个卷积核, 步长 1, Same 填充	73,856
卷积层2-2	112x112x128	3x3 卷积, 128 个卷积核, 步长 1, Same 填充	147,584
最大池化层2	56x56x128	2x2 最大池化, 步长 2	0
卷积层3-1	56x56x256	3x3 卷积, 256 个卷积核, 步长 1, Same 填充	295,168
卷积层3-2	56x56x256	3x3 卷积, 256 个卷积核, 步长 1, Same 填充	590,080
卷积层3-3	56x56x256	3x3 卷积, 256 个卷积核, 步长 1, Same 填充	590,080
最大池化层3	28x28x256	2x2 最大池化, 步长 2	0
卷积层4-1	28x28x512	3x3 卷积, 512 个卷积核, 步长 1, Same 填充	1,180,160
卷积层4-2	28x28x512	3x3 卷积, 512 个卷积核, 步长 1, Same 填充	2,359,808
卷积层4-3	28x28x512	3x3 卷积, 512 个卷积核, 步长 1, Same 填充	2,359,808
最大池化层4	14x14x512	2x2 最大池化, 步长 2	0
卷积层5-1	14x14x512	3x3 卷积, 512 个卷积核, 步长 1, Same 填充	2,359,808
卷积层5-2	14x14x512	3x3 卷积, 512 个卷积核, 步长 1, Same 填充	2,359,808
卷积层5-3	14x14x512	3x3 卷积, 512 个卷积核, 步长 1, Same 填充	2,359,808
最大池化层5	7x7x512	2x2 最大池化, 步长 2	0
全连接层1	4096	输入 7x7x512, 输出 4096 个节点	102,764,544
全连接层2	4096	输入 4096, 输出 4096 个节点	16,781,312
全连接层3	1000	输入 4096, 输出 1000 个分类	4,097,000
总参数量	-	约 138 百万参数	-

VGG19 网络结构

VGG19 和 VGG16 的主要区别是 VGG19 在每个卷积层块中多增加了几层卷积层，导致网络的深度增加到 19 层参数化层。它有 16 个卷积层，5 个最大池化层，以及 3 个全连接层，总共 19 层。

VGG19 结构具体如下：

层类型	输出尺寸	详细配置	参数数量
输入层	224x224x3	-	0
卷积层1-1	224x224x64	3x3 卷积, 64 个卷积核, 步长 1, Same 填充	1,792
卷积层1-2	224x224x64	3x3 卷积, 64 个卷积核, 步长 1, Same 填充	36,928
最大池化层1	112x112x64	2x2 最大池化, 步长 2	0
卷积层2-1	112x112x128	3x3 卷积, 128 个卷积核, 步长 1, Same 填充	73,856
卷积层2-2	112x112x128	3x3 卷积, 128 个卷积核, 步长 1, Same 填充	147,584
最大池化层2	56x56x128	2x2 最大池化, 步长 2	0
卷积层3-1	56x56x256	3x3 卷积, 256 个卷积核, 步长 1, Same 填充	295,168
卷积层3-2	56x56x256	3x3 卷积, 256 个卷积核, 步长 1, Same 填充	590,080
卷积层3-3	56x56x256	3x3 卷积, 256 个卷积核, 步长 1, Same 填充	590,080
卷积层3-4	56x56x256	3x3 卷积, 256 个卷积核, 步长 1, Same 填充	590,080
最大池化层3	28x28x256	2x2 最大池化, 步长 2	0
卷积层4-1	28x28x512	3x3 卷积, 512 个卷积核, 步长 1, Same 填充	1,180,160
卷积层4-2	28x28x512	3x3 卷积, 512 个卷积核, 步长 1, Same 填充	2,359,808
卷积层4-3	28x28x512	3x3 卷积, 512 个卷积核, 步长 1, Same 填充	2,359,808
卷积层4-4	28x28x512	3x3 卷积, 512 个卷积核, 步长 1, Same 填充	2,359,808
最大池化层4	14x14x512	2x2 最大池化

VGG 的实现示例（使用 TensorFlow/Keras）

import tensorflow as tf
from tensorflow.keras import layers, models

# VGG Block，包含多个 3x3 卷积层 + 最大池化层
def vgg_block(x, num_convs, num_filters):
    for _ in range(num_convs):
        x = layers.Conv2D(num_filters, (3, 3), padding='same', activation='relu')(x)
    x = layers.MaxPooling2D((2, 2), strides=(2, 2))(x)
    return x

# 创建 VGG 模型（VGG16）
input_layer = layers.Input(shape=(224, 224, 3))

# 构建 VGG 网络
x = vgg_block(input_layer, 2, 64)  # 第一个 VGG Block，包含 2 个 3x3 卷积层，64 个滤波器
x = vgg_block(x, 2, 128)           # 第二个 VGG Block，包含 2 个 3x3 卷积层，128 个滤波器
x = vgg_block(x, 3, 256)           # 第三个 VGG Block，包含 3 个 3x3 卷积层，256 个滤波器
x = vgg_block(x, 3, 512)           # 第四个 VGG Block，包含 3 个 3x3 卷积层，512 个滤波器
x = vgg_block(x, 3, 512)           # 第五个 VGG Block，包含 3 个 3x3 卷积层，512 个滤波器

# 全连接层
x = layers.Flatten()(x)
x = layers.Dense(4096, activation='relu')(x)
x = layers.Dense(4096, activation='relu')(x)
output_layer = layers.Dense(1000, activation='softmax')(x)  # 假设有 1000 个分类

# 创建和编译模型
model = models.Model(inputs=input_layer, outputs=output_layer)
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

# 打印模型概况
model.summary()

总结

VGG 网络以其简单且深度较大的架构闻名，尽管它的计算和参数量较大，但其性能仍然出色，尤其是在图像分类任务中。然而，随着更为复杂的网络如 ResNet 的出现，VGG 网络逐渐被取代，但其设计理念依然对现代深度学习网络产生了重要影响。