VGG:Very deep Convolutional Networks for large-scale image recognition
ZF:Visualizing and Understanding Convolutional Networks
VGG是牛津大学计算机视觉组(Visual Geometry Group)和(Google DeepMind)公司研究院一起研发的深度卷积神经网络。
VGG的拓展性很强,迁移到其他图片数据上的泛化能力很好。VGG的结构简介,整个网络用了同样大小的卷积核尺寸(3x3)和最大池化尺寸(2x2),用ReLU作为激活函数。到目前为止,VGG依然经常被用来提取图像特征。
摘要
论文探究了在卷积网络深度对精度的影响。论文主要贡献是使用非常小(3x3)的卷积过滤器结构来对增加网络深度全面评估,表明通过将深度推到16~19个权重层可以实现显著提升。
1、ConvNet Configurations
inputs:224x224的RGB图像。
- 唯一需要做的预处理就是计算RGB这三个通道平均值,然后训练时减去这些平均值。这样处理网络可以更快的收敛。实验中,作者还采用了1x1大小的卷积核,在这里1x1大小的卷积核不能获取局部信息,只能作为对图片单个像素的线性处理。
- 在网络中,所有的卷积层的大小都是3x3,stride=1,padding=1,那么输出,会让feature map的大小不变。而max pooling层的kernel为2x2,同时stride=2。
- 卷积层后为两个FC,都为4096维,第三个FC为1000维,最后跟一个softmax层。另外,所有的隐藏层后面都跟一个ReLU激活函数来进行非线性处理。
2、classification framework
- 训练:参数配置
- batch size=256