CNN模型之VGG总结

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

源码