VGG模型

特点：采用连续的几个3x3的卷积核代替AlexNet中的较大卷积核（11x11，7x7，5x5）

采用堆积的小卷积核的原因：对于给定的感受野（与输出有关的输入图片的局部大小），采用堆积的小卷积核是优于采用大的卷积核，因为多层非线性层可以增加网络深度来保证学习更复杂的模式，而且代价还比较小（参数更少）。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，27xC^2小于49xC^2，即减少了参数；而且3x3卷积核有利于更好地保持图像性质。

感受野：在卷积神经网络中,感受野(Receptive Field)是指特征图上的某个点能看到的输入图像的区域,即特征图上的点是由输入图像中感受野大小区域的计算得到的

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）

- VGG19包含了19个隐藏层（16个卷积层和3个全连接层）

卷积层：每一个卷积核都是3×3。vgg-block内的卷积层都是同结构的。意味着输入和输出的尺寸一样，且卷积层可以堆叠复用。

从数学的层次来讲，卷积就是将卷积核大小内的像素点，经过加权和，得到一个新的像素点。这个像素点在图像的层次上就可以反映原图像的特征。原图像对应卷积的位置大小称为得到像素点对应的感受野。随着卷积核的平移，原图像的像素点会通过卷积得到一张新的特征图，经过卷积后，输出的特征图可有效提取原图像的特征，达到图像识别的功能。

池化层：maxpool层将前一层(vgg-block层)的特征缩减一半，使得尺寸缩减的很规整，从224-112-56-28-14-7。

池化过程在一般卷积过程后。池化（pooling） 的本质，其实就是采样。Pooling 对于输入的 特征图Feature Map，选择某种方式对其进行降维压缩，以加快运算速度。

VGG16内存

• 通过增加深度能有效地提升性能；
• VGG16是最佳的模型，从头到尾只有3x3卷积与2x2池化，简洁优美；
• 卷积可代替全连接，可适应各种尺寸的图片。

参考：LeNet、AlexNet等（一文读懂LeNet、AlexNet、VGG、GoogleNet、ResNet到底是什么？ - 知乎 (zhihu.com)）