图像识别-VGGNet论文笔记

个人微信公众号：AI研习图书馆，欢迎关注~

深度学习知识及资源分享，学习交流，共同进步~

论文题目：Very Deep Convolutional Networks for Large-scale Image Recognition

1.引言

这篇文章主要探究了在大规模图像识别任务中，卷积网络深度对模型准确度的影响。使用带有非常小（3×3）卷积滤波器的体系结构对深度增加的网络进行全面评估。

VGG论文给出了一个非常振奋人心的结论：卷积神经网络的深度增加和小卷积核的使用对网络的最终分类识别效果有很大的作用。记得在AlexNet论文中，最后也指出了网络深度的增加对最终的分类结果有很大的作用。这篇论文则更加直接的论证了这一结论。

2. 网络结构

3. 论文总结

这篇文章提出了相对于AlexNet更深的网络模型，并且通过实验发现网络越深性能越好（在一定范围内）。

在网络中，使用了更小的卷积核(3x3)，stride为1，同时不单单的使用卷积层，而是组合成了“卷积组”，即一个卷积组包括2-4个3x3卷积层，有的层也有1x1卷积层，因此网络更深，网络使用2x2的max pooling，在full-