1、简介
- VGG是Oxford的Visual Geometry Group的组提出的,所以叫VGG;
- VGG是一种经典的卷积神经网络;
- VGG有两种结构,分别是VGG16和VGG19,两者并没有本质上的区别,只是网络深度不一样。
2、VGG网络结构
- VGG16包含了16个隐藏层(13个卷积层和3个全连接层),如上图中的D列所示;VGG19包含了19个隐藏层(16个卷积层和3个全连接层),如上图中的E列所示
- VGG网络的结构非常一致,从头到尾全部使用的是3x3的卷积和2x2的max pooling。
3、原理
- 在VGG中,使用了3个3x3卷积核来代替7x7卷积核,使用了2个3x3卷积核来代替5*5卷积核,这样做的主要目的是在保证具有相同感知野的条件下,提升了网络的深度,在一定程度上提升了神经网络的效果。
- 比如,3个步长为1的3x3卷积核的一层层叠加作用可看成一个大小为7的感受野(其实就表示3个3x3连续卷积相当于一个7x7卷积),其参数总量为 3x(9xC^2) ,如果直接使用7x7卷积核,其参数总量为 49xC^2 ,这里 C 指的是输入和输出的通道数。很明显,27xC2小于49xC2,即减少了参数;而且3x3卷积核有利于更好地保持图像性质。