卷积神经网络 VGGNeT-16
VGGNet是ImageNet 2014的亚军,总结起来就是它使用了更小的滤波器,同时使用了更深的网络结构,AlexNet只有8层,而VGGNet有16-19层网络,也不像AlexNet那样使用 11x11 这么大的卷积核,它只使用 3x3 的 卷积滤波器和 2x2 的大池化层。
主要贡献:
- 使用多个小卷积代替较大的卷积层,两个33的卷积核堆叠相当于55卷积核的视野(第一层过33后第二层继续为33的卷积)减少参数和增加非线性映射,也提升了网络9 深度。
- 小池化层。AlexNet的33的池化核,VGG全部采用22的
- 更多的卷积核使特征图的通道数更多,特征提取更全面,第一层64个通道,后续翻倍,最多为512
- 测试阶段不适用全连接,替换为三个卷积层,从而不再局限于固定尺寸的输入,可以接受任意的宽度或者高。
VGGNet包含了6个版本VGG11、VGG11-LRN(第一层采用LRN)、VGG13、VGG16-1、VGG16-3和VGG19。不同的后缀代表不不同的网络层数。VGG16-1表示后三组卷积块中最后一层卷积采用卷积核尺寸为11,-3为33。19位后三组每组多一层卷积。19为3