前言
因为在faster rcnn 以及ssd算法中多次看见用vgg16作为backbone,所以专门再次学习一下这个经典的网络。
具体细节还需要仔细研究原论文
Very Deep Convolutional Networks for Large-Scale Image Recognition
[1409.1556] Very Deep Convolutional Networks for Large-Scale Image Recognition (arxiv.org)
本文只针对vgg16的网络结构以及输入输出做介绍
通过这两张图片我们就可以很清楚的明白vgg16的架构(图二vgg16为D组)
将图片resize为(224,224,3)作为输入
1.通过2次[3,3]的卷积层,输出为[224,224,64],在经过最大池化层(卷积核为2x2,stride为2)特征图长宽尺寸减半输出为[112,112,64]
2.通过2次[3,3]的卷积层,输出为[112,112,128],在经过最大池化层(卷积核为2x2,stride为2)特征图长宽尺寸减半输出为[56,56,128]
3.通过3次[3,3]的卷积层,输出为[56,56,256],在经过最大池化层(卷积核为2x2,stride为2)特征图长宽尺寸减半输出为[28,28,256]
4.通过3次[3,3]的卷积层,输出为[28,28,512],在经过最大池化层(卷积核为2x2,stride为2)特征图长宽尺寸减半输出为[14,14,512]
5.通过3次[3,3]的卷积层,输出为[14,14,512],在经过最大池化层(卷积核为2x2,stride为2)特征图长宽尺寸减半输出为[7,7,512]
6.然后将[7,7,512]的维度展平为7*7*512的一维,然后放入2层全连接层的分类器,输,出(1,1,4096),然后在接一个全连接层输出为(1,1,1000),最后接一个softmax层计算分类概率
以下是实现代码
from torch import nn
class vgg16(nn.Module):
def __init__(self,num_classes=1000):
super(vgg16,self).__init__()
layers=[]
in_channels=3
out_channels=64
#循环构造卷积层,一共有13个卷积层
for i in range(13):
layers+=[nn.Conv2d(in_channels,out_channels,kernel_size=3,stride=1,padding=1),
nn.ReLU(inplace=True)]
in_channels=out_channels
#在第2,4,7,10,13个卷积层后面增加池化层
if i==1 or i==3 or i==6 or i==9 or i==12:
layers +=[nn.MaxPool2d(kernel_size=2,stride=2)]
#在第10个卷层后保持与前边通道数一致,都为512,其余加倍
if i !=9:
out_channels*=2
self.features = nn.Sequential(*layers)
#vgg16的3个连接层,中间有ReLU与Dropout层
self.classifier = nn.Sequential(
nn.Linear(512*7*7,4096),
nn.ReLU(True),
nn.Dropout(),
nn.Linear(4096,4096),
nn.ReLU(True),
nn.Dropout(),
nn.Linear(4096,num_classes)
)
def forward(self,x):
x=self.features(x)
#经过特征提取后需要再进入线性层之前将特征图进行展平,将[1,512,7,7]变为[1,1,512*7*7]
x=x.view(x.size(0),-1)
x=self.classifier(x)
return x