CNN图像分类模型（三）——VGGNet

一）简介

  VGG Net由牛津大学的视觉几何组（Visual Geometry Group）和 Google DeepMind公司的研究员一起研发的的深度卷积神经网络，在 ILSVRC 2014 上取得了第二名的成绩。它主要的贡献是使用小尺寸滤波器，对网络深度进行大幅增加，展示出网络深度（推进到16-19层）对模型效果有显著提高。

二）VGGNet模型解析

  论文中展示了一系列不同的VGG模型结构，如下图所示。

  图中所有的网络都基于通用结构设计,只是深度不同:
    A包含11个权重层一一8个卷积层,3个全连接层;
    ……
    E包含19个权重层一一16个卷积层,3个全连接层;
  右边的网络均基于A，实验表明最后两组，即深度最深的两组16和19层的VGGNet网络模型在分类和定位任务上的效果最好。

2.1）VGG-16网络结构

  下面VGG-16的网络结构图，在Netscope上有更清晰的展示，大家可以自行前往，而且对每层有大致的描述：http://ethereon.github.io/netscope/#/gist/dc5003de6943ea5a6b8b