vgg论文笔记

1.训练期间，输入图像固定为224x224，唯一的预处理是从每个像素中减去在训练集上计算的RGB均值。

2.都由5层卷积层、3层全连接层组成

3。使用小卷积核（3x3）减少参数。

4.Vgg网络结构中图像慢慢缩小，，减小的太快就容易损失过多重要信息。增加厚度来减少损失。

5.采用了尺度抖动，测试时的尺度抖动导致了更好的性能。S为训练图像的最小边，训练尺度。单尺度训练：按照固定s（s=256和s=384来缩放)

6.Dense（密集评估）：即指全连接层替换为卷积层（第一FC层转换到7×7卷积层，最后两个FC层转换到1×1卷积层），最后得出一个预测的score map，再对结果求平均。

7.Multi-crop（多裁剪评估）：即对图像进行多样本的随机裁剪。对三个尺度上每个尺度进行50次裁剪（5x5大小的正常网格，并进行两次翻转）即总共150次裁剪的效果图，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。

8.使用多裁剪图像表现比密集评估略好

9.采用卷积网络融合，将性能良好的两种网络融合。通过对soft-max类别后验进行平均，结合了几种模型的输出。由于模型的互补性，这提高了性能。

 

•作者通过试验发现当使用固定值S训练时，Q的范围在[S−32,S,S+32]之间时，测试的结果与训练结果最接近，否则可能由于训练和测试尺度之间的巨大差异导致性能下降