一、VGG简介
VGG卷积神经网络出自于《Very Deep Convolutional Networks for Large-Scale Image Recognition》这篇论文,在2014年,由牛津大学VGG实验室的卡伦·西蒙尼安(Karen Simonyan) 和安德鲁·齐瑟曼( Andrew Zisserman)共同发表的。其研究成果在 ILSVRC-2014 挑战赛 ImageNet 分类任务上获得亚军。
VGG卷积神经网络最大的意义在于,将神经网络的层数推向更深,并达到了在当时来说一流的分类和定位效果。我们常说的VGG系列其实包含了:VGG11、VGG13、VGG16、VGG19等一系列的网络模型。其中11、13、16、19表示的是神经网络的层数。可见当时已经将神经网络推向了19层,而在此之前的AlexNet只有8层,LeNet才只有5层。
二、VGG网络结构
谈到CNN(卷积神经网络),卷积层、激活函数、池化层、全连接层、BN层、填充等这些字眼太熟悉了,卷积操作有那几种形式?激活函数该如何选择?池化层有那几种?全连接层的作用是什么?填充有那几种方式?这些都与神经网络的搭建息息相关。
了解完这些基础知识后(大佬忽视~),我们再来看看下面的网络结构:(图片来自论文)
读完了上面的那篇博文,我相信这个图就不难理解了。如果还不懂的话,评论私聊我,发你10G资料补补ÿ