重读深度学习经典论文------------VGG

网络结构：

VGGNet 是由牛津大学VGG（Visual Geometry Group)视觉几何组Karen Simonyan和Andrew Zisserman于2014年提出。VGGNet建立了个19层的深度网络，在ILSVRC取得了定位第一，分类第二的成绩。VGGNet 网络与AlexNet很相似，有五个group的卷积，两层FC图像特征，，一层FC分类特征。

与AlnexNet相比的改进之处：1.在第一卷积层使用更小的filter尺寸和间隔2.在整个图片和多尺度上训练和测试图片。

VGGNet模型的特点：

1.3x3是最小的能够捕捉上下左右和中心概念的尺寸

2.两个3X3的卷积层是5X5，三个3x3的是7X7，可以替代大的filter尺寸，可使判决函数更具判决性，且参数会给更少。

模型分类实验：

单尺度时：

A与A-LRN 比较：A-LRN结果没有A好，说明LRN作用不大

A与B,C,D,E比较：越深越好

A与C比较：增加1X1filter ,及增加额外的非线性提升效果

C与D比较：3X3的filter比1X1filter要好，可以捕捉更大的空间特征。