必知必会的VGG网络(含代码)

关注公众号【CV算法恩仇录】，后台回复【VGG源码】即可获得代码。

本文概述了 VGG的框架和代码，全文大约 2000 字，阅读时间 8 分钟。

内容分为三个部分：

1. VGG的结构；
2. VGG的网络细节；
3. VGG的代码实现。

VGG 的结构

牛津大学的视觉几何组（Visual Geometry Group）设计了 VGGNet(也称为 VGG)，一种经典的卷积神经网络 (CNN) 架构。在 2014 年 ILSVRC 分类任务中，VGG 取得了第二名的成绩。现在过去多年，VGG 仍然被广泛应用在图像识别、语音识别、机器翻译、机器人等领域。

VGG 具有 16 层（VGG-16）和 19 层（VGG-19）的卷积神经网络，两者的结构类似，接下来详细解读 VGG-16 的结构，VGG-16 由 13 个卷积层和 3 个全连接层组成（层数是计算全连接层的卷积层个数），如下图所示，图中 conv 为卷积层，pool 为池化层，最后三个 fc 4096 为全连接层。

VGG16相比之前网络的改进是$3$个$3\times 3$卷积核来代替$7\times 7$卷积核，$2$个$3\times 3$卷积核来代替$5\times 5$卷积核，这样做的主要目的是在保证具有相同感知野的条件下，减少参数，提升了网络的深度。

比如，$3$个步长为$1$的卷积核（$3\times 3$）的层层叠加，其参数总量为$3\times 9\times C^2$。如果直接使用 $7\times 7$ 的卷积核，其参数总量为 $49\times C^2$ ，这里 C 指的是输入和输出的通道数。很明显，$2\times C^2$ 小于$49\times C^2$，即减少了参数。

VGG 的网络细节

VGG-16 采用了五组卷积与三个全连接层，最后使用 Softmax 做分类。VGG-16 有个显著的特点：每次经过池化层后特征图的尺寸减小一倍，而通道数则增加一倍（最后一个池化层除外）。每一层的卷积层的细节如表格所示：
回顾特征图的计算

O 是输出图像，I 是输入图像，

P 是 padding，K 是 kernel size，S 是步长。

输出特征图大小计算公式$O=(I+2P–K)/S+1$

参数量：$K\times K\times 输入的channel\times 输出的channel$

VGG 的代码实现

VGG-16 的五组卷积相似，在撰写代码的时候，可以建一个 Layer 类，通过循环添加每个层的顺序执行，请查看下面的代码 make_layers 函数。

参考链接：
https://icode.best/i/36427845644631
https://blog.csdn.net/weixin_39875161/article/details/88364442
https://mp.weixin.qq.com/s/vWuGW4iMD1MjVDZVCqH_FA