每天五分钟计算机视觉：VGG网络相对于AlexNet网络有哪些不同？

本文重点

在前面的课程中，我们已经学习了VGG网络模型，也学习了AlexNet网络模型，AlexNet模型先于VGG网络模型产生，所以VGG在一定程度上要优于AlexNet模型，二者来看一下，二者究竟有什么不同？

深度

AlexNet是一个8层的卷积神经网络，而VGG16是它的两倍，众所周知，神经网络的深度越大，往往学习能力越强，所以VGG的性能相对于AlexNet有了一个明显的提升。

卷积核

VGG相对于AlexNet模型，VGG只使用了3*3的卷积核，这带来了参数量的极大减少，我们来比较一下。

AlexNet的第一个卷积层输出维度96维，而卷积核大小为11*11，那么参数量为96*3*11

VGG的参数量为64*3*3*3

96*3*11/（64*3*3*3）=20

也就是说二者相差20倍，那么计算量就相差了20倍，这就是的VGG虽然深度比AlexNet大，但是参数量却没有增加的很夸装，整个模型只有550M，而8层的AlexNet达到了240M。

池化

VGG中池化的核大小为2*2，然后步长为2。而AlexNet中采用了重叠池化方案，核大小为3*3，步长为2。这样不重叠的池化的计算量会少一些。但是重叠的池化能够有效的降低过拟合问题。

数据增强

VGG使用了更多的数据增强的方式，即Scale Jittering。先固定一种裁剪尺寸m*m，比如224*224，然后把图片的最短边缩放到一个大于m的值，长边也相应的变化，最后裁剪出一张m*m的图片。

这种方法比直接将图片缩放到224*224来说，存在更大的操作空间，当然有可能剪掉图片的重要区域，但是在大数据下，这种影响可以忽略不计。