VGGNet笔记

VGGNet的一些理解

介绍

VGGNet是由牛津大学Visual Geometry Group提出的卷积神经网络模型（以课题组的名字命名）。他们提出了深度卷积神经网络的多种模型及配置，其中一种提交到了2013年ILSVRC（ImageNet大规模图像识别）竞赛上。这个模型由于由16个权重层组成，因此也被称为VGG-16，其在该竞赛中取得了top-5上92.7%的准确率。
论文地址：Very Deep Convolutional Networks for Large-Scale Image Recognition
译文地址：https://blog.csdn.net/wspba/article/details/61625387
本文解决了ConvNet架构设计的另一个重要方面 - 深度。 为此，本文修复了架构的其他参数，并通过增加更多的卷积层来稳定增加网络深度。其突出贡献在于证明使用很小的卷积（3*3），增加网络深度可以有效提升模型的效果，而且VGGNet对其他数据集具有很好的泛化能力。VGGNet可以看成是加深版本的AlexNet，都是由卷积层、全连接层两大部分构成。

架构

先看图:

在这篇论文中分别使用了A、A