VGG_net

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。