基于VGG16的垃圾分类系统

目录

1.VGG结构

2.块结构

3.权重参数

3.特点

4.代码实现

4.1 数据集介绍

4.2 代码

4.3 实验结果

---

1.VGG结构

VGG16 是基于大量真实图像的 ImageNet 图像库预训练的网络。VGG是由Simonyan 和Zisserman在文献《Very Deep Convolutional Networks for Large Scale Image Recognition》中提出卷积神经网络模型，其名称来源于作者所在的牛津大学视觉几何组(Visual Geometry Group)的缩写。该模型参加2014年的 ImageNet图像分类与定位挑战赛，取得了优异成绩：在分类任务上排名第二，在定位任务上排名第一。

VGG中根据卷积核大小和卷积层数目的不同，可分为A，A-LRN，B，C，D，E共6个配置(ConvNet Configuration)，其中以D，E两种配置较为常用，分别称为VGG16和VGG19。下图给出了VGG的六种结构配置：

下图 VGG六种结构配置图：

上图中，每一列对应一种结构配置。例如，图中绿色部分即指明了VGG16所采用的结构。

我们针对VGG16进行具体分析发现，VGG16共包含：

• 13个卷积层（Convolutional Layer），分别用conv3-XXX表示
• 3个全连接层（Fully connected Layer）,分别用FC-XXXX表示
• 5个池化层（Pool layer）,分别用maxpool表示

其中，卷积层和全连接层具有权重系数，因此也被称为权重层，总数目为13+3=16，这即是VGG16中16的来源。(池化层不涉及权重，因此不属于权重层，不被计数)。

VGG16整个架构图如下图所示：

从左至右，一张彩色图片输入到网络，白色框是卷积层，红色是池化，蓝色是全连接层，棕色框是预测层。预测层的作用是将全连接层输出的信息转化为相应的类别概率，而起到分类作用。

可以看到 VGG16 是13个卷积层+3个全连接层叠加而成。

网络开始输入(3,224,224)的图像数据，即一张宽224，高244的彩色RGB图片，同时补了一圈0。接着是卷积层，有64个(3,3)的卷积核，一个卷积核扫完图片，生成一个新的矩阵，64个就生成64 层。接着是补0，接着再来一次卷积。此时图像数据是64*224*224，接着是池化，小矩阵是(2,2)。按照这样池化之后，数据变成了64*112*112，矩阵的宽高由原来的224减半，变成了112。再往下，同理，只不过是卷积核个数依次变成128，256，512，而每次按照这样池化之后，矩阵都要缩小一半。13层卷积和池化之后，数据变成了 512*7*7。

2.块结构

观察上面第一幅图右侧，VGG16的卷积层和池化层可以划分为不同的块（Block），从前到后依次编号为block1-block5。每一个块内包含若干卷积层和一个池化层。例如：block4包含：3个卷积层，conv3-512；1个池化层，maxpool。

并且同一块内，卷积层的通道数是相同的，例如：block2中包含2个卷积层，每个卷积层用conv3-128表示,即卷积核为：3x3x3，通道数都是128；block3中包含3个卷积层，每个卷积层用conv3-256表示,即卷积核为：3x3x3，通道数都是256

下面给出按照块划分的VGG16的结构图，可以结合下图进行理解：

VGG的输入图像是 224x224x3：通道数翻倍，由64依次增加到128，再到256，直至512保持不变，不再翻倍；高和宽变减半，由 224→112→56→28→14→7。

3.权重参数

尽管VGG的结构简单，但是所包含的权重数目却很大，达到了惊人的139，357，544个参数。这些参数包括卷积核权重和全连接层权重。

例如，对于第一层卷积，由于输入图的通道数是3，网络必须学习大小为3x3，通道数为3的的卷积核，这样的卷积核有64个，因此总共有（3x3x3）x64 = 1728个参数。

计算全连接层的权重参数数目的方法为：前一层节点数×本层的节点数前一层节点数×本层的节点数。因此，全连接层的参数分别为：

• 7x7x512x4096 = 1027,645,444
• 4096x4096 = 16,781,321
• 4096x1000 = 4096000

FeiFei Li在CS231的课件中给出了整个网络的全部参数的计算过程（不考虑偏置），如下图所示：

图中蓝色是计算权重参数数量的部分；红色是计算所需存储容量的部分。

VGG16具有如此之大的参数数目，可以预期它具有很高的拟合能力；但同时缺点也很明显，即训练时间过长，调参难度大；需要的存储容量大，不利于部署。例如存储