VGGNet 《VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION》学习笔记

最新推荐文章于 2022-04-11 14:50:40 发布
最新推荐文章于 2022-04-11 14:50:40 发布
阅读量2.1k 收藏
点赞数
分类专栏： 深度学习 文章标签： deep learning vgg
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_30911665/article/details/77880648
版权

1.INTRODUCTION

作者开篇就说明了VGG的特点——深度， 为啥可以这么深呢？因为卷积核的size小！


2.卷积结构

输入是224*224的RGB图像，预处理是对于每个RGB值减掉了训练集的均值。

卷积核的大小：3*3，能够表达上/下， 左/右，中心这些概念的最小尺寸。作者也在其中一种网络中使用了1*1尺寸的卷积核，可以看做是一种线性的变换。

stride=1， padding根据保持输出与输入尺寸一致为原则， 比如3*3 的卷积核，就选择padding=1。

max-pooling是2*2大小，stride = 2.


全连接有三层，最后一个输出是1000维，用的softmax，所有的网络（vgg有好多个网络）的全连接层都是一样的。


非线性函数都是用的ReLU，只有一个网络使用了LRN，作者说没啥卵用还消耗内存和计算量，哈哈，上一篇博客我们刚说过AlexNet吹比说这个LRN结构效果很好，这是要实力pk AlexNet。


整个结构的表格描述如下


最低0.47元/天 解锁文章
[深度学习] Very Deep Convolutional Networks for Large-Scale Image Recognition（VGGNet）阅读笔记
lhanchao的博客
03-20 5999
先发发牢骚，最近的日子就是“准备数据集——想改进方法——跑实验——实验结果不好”的循环，熬得一点心情都没有了= = 好了，废话不多说了，这篇VGGNet的论文是两三周之前看的了，而且最近撘的网络结构跟VGGNet很相像，就拿出来复习一下吧。 这篇论文是牛津大学的几个人做出来，在ILSVRC 2014中的classification项目的比赛中取得了第2名的成绩（没错，第一就是上一篇博客中介绍的
(VGG)Very Deep Convolutional Networks for Large-Scale Image Recognition阅读笔记
chenaxin的博客
10-19 418
论文地址：https://arxiv.org/abs/1409.1556
VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION
03-01
VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION非常经典的VGG-NET框架就是出自这篇文章
经典网络结构VGG-net《Very Deep Convolutional Networks for Large-Scale Image Recognition》
女王の专属领地
05-04 1043
论文地址：https://arxiv.org/abs/1409.1556论文翻译：http://blog.csdn.net/wangsidadehao/article/details/54311282VGG-Net来自牛津大学Andrew Zisserman 教授的组 (Oxford)，在2014年的 ILSVRC localization and classification 两个问题上分别取得...
论文笔记：Very deep convolutional networks for large-scale image recognition（VGG）
upup
06-05 2539
一、基本信息 标题：Very deep convolutional networks for large-scale image recognition 时间：2014 出版源：arXiv 论文领域：CNN、深度学习 引用格式：Simonyan K, Zisserman A. Very deep convolutional networks for large-scale image recognition[J]. arXiv preprint arXiv:1409.1556, 2014. 二、研究背景 在
论文笔记：Very Deep Convolutional Networks for Large-Scale Image Recognition
qq_43409114的博客
05-30 410
前言 论文：Very Deep Convolutional Networks for Large-Scale Image Recognition 一、INTRODUCTION 作者在这篇论文中提出了如何解决卷积网络深度的问题。作者先是固定好模型的其他部分参数，然后通过增加一些卷积层来逐渐增大网络的深度，而且作者的卷积层使用的是非常小的卷积核 In this paper, we address another important aspect of ConvNet architecture design
论文笔记 | VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE -SCALE IMAGE RECOGNITION
bea_tree的博客
07-03 1265
AuthorsKaren Simonyan & Andrew Zisserman Karen SimonyanAbstractIn this work we investigate the effect of the convlutional network depth on its accuracy in the large-scale image recognation.1 Intro
VGG：VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION论文笔记
小时候贼聪明
03-12 4323
VGG模型在ILSVRC2014上大放异彩，虽然从VGG的诞生到现在已经2年多，但是它依然是目前最热门的模型网络之一。它最大的贡献是，将深度学习从AlexNet的时代推入到deeper model的时代，第一次将模型深度提高到16层以上，并取得了很好的效果。
[深度学习论文笔记][Image Classification] Very Deep Convolutional Networks for Large-Scale Image Recognitio
Hao_Zhang_Vision的博客
09-25 784
Simonyan, Karen, and Andrew Zisserman. “Very deep convolutional networks for large-scale image recognition.” arXiv preprint arXiv:1409.1556 (2014). [Citations: 1986]. 1 Motivation [Ways to Impro
【经典网络学习笔记3】VGG-Very Deep Convolutional Networks for Large-Scale Image Recognition
qq_37791134的博客
10-28 702
论文链接：http://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks 主要是针对原论文，和参考相关笔记，进行了个人解读，抽丝而成，请大家多多指教。 要点掌握 1、VGG16网络结构 2、3*3和1*1小卷积核的优点 ...
论文阅读笔记--VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION
weixin_39953502的博客
06-25 403
这篇论文主要工作就是探索网络结构，对大规模图像识别任务，网络深度对于最终模型准确率的影响，带有小的卷积核（3*3）的网络，深度的增加会提高准确率，直到网络深度到达16-19层。根据这个论文的摘要，我想到两个关键点：为什么卷积核是3*3为什么到16-19层精度不再提高卷积核大小在这篇论文中，我最感兴趣的点在于，卷积核大小的设置。两个3*3的卷积层叠加，中间不加池化层，那么它的有效感受野（effect...
经典论文阅读《VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION》简短阅读笔记
liqiming100的专栏
03-14 657
本论文提出了大名鼎鼎的VGG网络结构。 关键要点如下所示： 2个stacked 3*3 卷积的作用（中间没有pooling layer）的感受野和5*5的卷积的感受野一样; 3个stacked 3*3 卷积的作用（中间没有pooling layer）的感受野和7*7的感受野一样； 那么本论文中提出的采用3*3的卷积的作用在于以下两点： 1、make the decision functi...
Very Deep Convolutional Networks for Large-Scale Image Recognition（VGG）笔记
weixin_44700424的博客
02-13 383
Very Deep Convolutional Networks for Large-Scale Image Recognition 一、摘要 本文主要是使用非常小的（3X3）的卷积滤波器架构对网络深度的增加进行全面的评估。 二、网络结构 图像的预处理是减去均值固定大小为224x224。3X3卷积层的填充是1、步长也是1。MAXPOOL窗口是2、步长也是2，初始通道数为64，在通道没有达到512之...
论文阅读笔记（六）：Very Deep Convolutional Networks for Large-Scale Image Recognition ( VGG )
sunshine_010的博客
04-10 207
本文是论文的相关摘要，因为作者的原话最容易理解，所以将精彩语句摘录，帮助快速回忆起文章主要信息。后续会将把论文英文原版语句补充进来，持续更新。 我们的主要贡献是使用非常小的（3×3）卷积滤波器架构对网络深度的增加进行了全面评估，这表明通过将深度推到16-19加权层可以实现对现有技术配置的显著改进。 使用更小的感受窗口尺寸和更小的第一卷积层步长。 在整个图像和多个尺度上对网络进行密集地训练...
VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION阅读笔记
lh15123as的博客
12-29 192
网上的翻译总结不计其数了，所以直接对阅读过程中出现的一些问题进行总结 3 CLASSIFICATION FRAMEWORK 3.1 TRAINING 训练图像是如何得到的（224*224） 对一张训练图像，首先进行rescale，比如可以用双线性插值，得到短边为S的图像。然后在得到的图像中裁剪一部分，这部分的大小是224*224。one crop per image per SGD itera
VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION 论文阅读笔记
qingyuan512的博客
09-17 228
VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION （VGG） 论文阅读笔记论文中的相关问题1.感受野2.将大卷积核分解 论文中的相关问题 1.感受野 在机器视觉领域的深度神经网络中有一个概念叫做感受野，用来表示网络内部的不同位置的神经元对原图像的感受范围的大小。神经元之所以无法对原始图像的所有信息进行感知，是因为在这些网络结构中普遍使用卷积层和pooling层，在层与层之间均为局部相连（通过sliding filter）。
论文笔记 - 《Very Deep Convolutional Networks For Large-Scale Image Recognition》 精典
Tom的专栏
06-23 2496
基于卷积神经网络的图像分类（经典网络） 作者：Karen Simonyan & Andrew Zisserman（两位大神） 单位：牛津大学 （Visual Geometry Group） 发表会议时间：arXiv 2015 （arXiv是一个网站，可以预先把idea发布到上面，这样可以防止paper发表之前，自己的idea被别人使用） ImageNet Large-Scale...
VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION(VGG网络)-论文阅读笔记
weixin_43749999的博客
04-11 567
VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION VGG网络 论文阅读笔记 //2022.4.11上午9:53开始阅读 论文地址 1409.1556.pdf (arxiv.org) 论文目的 论文研究了CNN的深度对图像识别的影响，并搭建了一种具有较深层网络结构的vgg网络。这种网络在ImageNet 2014中获得了不错的成绩。同时，作者介绍，将vgg网络推广到其他数据集中也可以获得最先进的效果。
《Very deep convolutional networks for large-scale image recognition》阅后笔记
xiaolifeidaoer的博客
03-20 893
VGGNet是牛津大学计算机视觉组和DeepMind公司共同研发一种深度卷积网络，并且在２０１４年在ILSVRC比赛上获得了分类项目的第二名和定位项目的第一名。 论文主要研究目的： 通过使用具有非常小（3×3）卷积核的架构对深度增加的网络进行全面评估。探究在大规模图像识别任务中，卷积网络深度对模型精确度有何影响。 为了衡量不同深度对精度造成的影响，所有的ConvNet层配置都...
Very Deep Convolutional Networks for Large-Scale Image Recognition" by Karen Simonyan and Andrew Zisserman (2014)
最新发布
05-12
"Very Deep Convolutional Networks for Large-Scale Image Recognition" is a research paper by Karen Simonyan and Andrew Zisserman, which was published in 2014. The paper introduces the architecture of ...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值