背景
- VGG是Oxford的Visual Geometry Group的组,在2015年发表
- VGG有VGG11,VGG13,VGG16,VGG19多种网络结构,主要是VGG16、VGG19
- VGG16论文:https://arxiv.org/abs/1409.1556
原理
- VGG网络相比AlexNet技巧
- VGG16相比AlexNet的一个改进是采用连续的几个3x3的卷积核代替AlexNet中的较大卷积核(11x11,7x7,5x5)
- 在VGG中,使用了3个3x3卷积核来代替7x7卷积核,使用了2个3x3卷积核来代替5*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,提升了网络的深度,在一定程度上提升了神经网络的效果
- 保证具有相同感知野的条件下可以按下图理解,2个3x3卷积核能代替5*5卷积核,3个3x3卷积核能代替7x7卷积核
![]() |
- VGG网络优点
- VGGNet的结构非常简洁,整个网络都使用了同样大小的卷积核尺寸(3x3)和最大池化尺寸(2x2)
- 几个小滤波器(3x3)卷积层的组合比一个大滤波器(5x5或7x7)卷积层好
- 验证了通过不断加深网络结构可以提升性能
- VGG网络缺点
- VGG3个全连接层耗费太多内存,导致模型最终大小在500M左右
- VGG系列网络结构图:VGG网络的结构非常一致,从头到尾全部使用的是3x3的卷积和2x2的max pooling
![]() |