VGG16是一种卷积神经网络模型，源于2014年ImageNet比赛的优秀作品，擅长图像分类和定位。其结构简单，主要由多个3x3卷积层堆叠而成，配合最大池化层，最后接全连接层。在训练时，输入图像需进行预处理，减去平均RGB值。VGG模型有不同的配置，如VGG16和VGG19，以堆叠的卷积层数量区分。
什么是VGG16模型
VGG是由Simonyan 和Zisserman在文献《Very Deep Convolutional Networks for Large Scale Image Recognition》中提出卷积神经网络模型，其名称来源于作者所在的牛津大学视觉几何组(Visual Geometry Group)的缩写。
该模型参加2014年的 ImageNet图像分类与定位挑战赛，取得了优异成绩：在分类任务上排名第二，在定位任务上排名第一。这就是说VGG模型能够很好的适用于分类和定位任务。
可能大家会想，这样一个这么强的模型肯定很复杂吧？
其实一点也不复杂，它的结构如下图所示：
这是一个VGG被用到烂的图，但确实很好的反应了VGG的结构：
**
1、一张原始图片被resize到(224,224,3)。
2、conv1两次[3,3]卷积网络，输出的特征层为64，输出为(224,224,64)，再2X2最大池化，输出net为(112,112,64)。
3、conv2两次[3,3]卷积网络，输出的特征层为128，输出net为(112,112,128)，再2X2最大池化，输出net为(56,56,128)。
4、conv3三次[3,3]卷积网络，输出的特征层为256，输出net为(56,56,256)，再2X2最大池化，输出net为(28,28,256)。
5、conv4三次[3,3]卷积网络，输出的
最低0.47元/天 解锁文章
9313
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
