Vgg网络:牛津大学研究组提出,2014年imagenet竞赛定位任务第一名,分类任务第二名。
特点:1.泛化性能良好。在imagenet的预训练模型被常用了提取特征。
2.使用了小卷积核,保持输入大小,为了增加网络深度时确保各层输入大小随深度增加而不极具减小。
3.网络卷积层通道数一次3---64---128---256---512逐渐增加
结构:
1. 卷积核都用3*3的小核,池化都是2*2的核,卷积填充滑动都为1,池化滑动为2.
2. 卷积两次池化一次(连续两次),卷积3次池化一次(连续3次)。3个全连接(中间失活两次),1个损失函数
3. 卷积2次中,通道由3—128,第一次特征图大小224第二次特征图112.
卷积3次中,通道128—256(剩余2卷积不变),256-512(连续卷积不变)
全连接:核为7*7,通道变4096。
4. 特征图变化:224---112---56---28---14—7---1
5. 中间都是用relu激活。