CNN基础论文 精读+复现----VGG(二)

前言

之前的部分，在这-> CNN基础论文 精读+复现----VGG(一)

后面就是评估和总结了以及代码复现了。

第6-8页

第6页开始就是评估他的模型和结论了，

之前有说过VGG中的ConvNet输入从S中裁剪（我们也将S称为训练尺度）。考虑两种方法来设置训练尺度S，一种方法是固定S的大小，另一种方法是从一定区间内随机取S(测试集记为Q)。

4.1小节 固定Q的大小然后做的评估，
4.2小节 中的Q不再固定，而是取几个值。

结果对比给了两张图 : 第一张是固定Q，第二张不固定Q。
简单的说一下 就是A-E的实验组，后面的train(S)就是之前说的训练尺度大小S。测试集test(Q) 就是取值固定或者几个值作为测试集 记作Q。后面就是top1和top5错误率。

这一大段总结下来就几点:

• 深层小卷积核比浅层大卷积核效果更好,（但1*1没有3 * 3好,C实验组为 1 * 1 D实验组为3 * 3)，
• 4.1就是固定Q 大小做评估，4.2 小节就是 Q的大小是一个范围的情况下做的评估。
• 层数越深，误差越小，但作者在论文中说到，当使用imagenet数据集的时候，VGG到达19层深度时饱和，更深的层次对精度没有提升，但如果数据集变的更大，则更深的网络可能有帮助。
• 在上表中可以看到A组和A-LRN组的top1和top5错误率几乎持平，也就是在这里推翻了之前Alex的LRN层。
• 可以看到当训练集S的大小不固定的时候，测试出来的效果会比较好，且Q的测试集变动时 整体上相比 较上一个表，错误率有明显降低。

4.3小节;

一句话总结:多裁剪(multi-crop)评估比起密集(dense)评估，效果更好。而且两者具有互补作用，结合两种方式，效果更好。

密集评估（Dense）：就是在第三章说的将全连接层都变成卷积网络的那种训练方式。

多裁剪 (multi-crop)：即对图像进行多样本的随机裁剪，然后通过网络预测每一个样本的结构，最终对所有结果平均。

后面作者给了张图:
可以看到 单方法的 multi-crop 比dense的方法要稍好一些。

这里就搞笑了，作者在3.2节亲口批评了别人使用多裁剪的方法，你这里就又用上别人的方法了哈哈6666。

4.4小节

一句话:结合多个模型，最后的结果通过sofamax平均再结合判断，发现这样的效果会好很多。

然后作者放了一张图:

可以看到 当使用DCE等7个变形网络结合时，top5错误率7.3左右，结合DE并使用密集型评估，top5错误率降低到7.0，结合DE并使用密集型加多裁剪的方法，top5错误率降低到了6.8。

4.5小节

这节可以不看，总结下来作者就是一句话:我们的模型很强，你们都不行，即使第一名的Googlenet，我们也只和他们差一点点，在雷式对比法中甚至还强些…实在是高，我学会了，如果有一天我写论文，我也这么干。

第10-13页

这里是一些附录吗这算是，，，就是在说VGG的后续改版与升级的一些东西。 有两种测试方法，第一种单类回归（SCR），最后的预测输出是4-D，而第二种每类回归（PCR)，最后的预测输出包含了1000个类别即4000-D。

简单来说 SCR ：检测的时候所有类别共享一个框。
PCR： 每个类别一个框。

然后还说了一堆什么乱七八糟的没怎么仔细看,最后就是作者发现单类回归效果比多类要好。

总结

感觉这篇论文并没有前几篇提出的东西猛，也不知道是不是我还没学到精髓。反而感觉作者逐渐的现代论文化(夸自己贬低别人造噱头)哈哈 ~，

优点，新意总结:

• VGG推翻了之前Alex里提出的LRN模型。
• 提出了 3 * 3的卷积核和 1 * 1 的卷积核 及2 * 2 池化。
• 使用了密集型训练方法(全连接->卷积层)，可适应各种尺寸的图片。
• 层数更深、特征图更宽
• VGG块的概念。
• 多模型混合训练。
• 预训练和迁移学习

这篇文章其实还有很多没有明白的地方，比如他这个VGG块，我还没明白这个块具体怎么体现的，代码中怎么体现的 ，而且他这个块和一下都列出来的有啥区别啊。。

还有最后的多模型混和训练我并不知道怎么在代码中实现(属实是能力有限)。

我觉得对于我们来讲，这篇论文最大的作用就是做迁移学习吧？看到很多毕设项目都是拿VGG16做迁移学习。

后面用代码复现一下吧 感觉这个也没什么特别的层，复现应该比之前的简单。

CNN基础论文 精读+复现----VGG(三)