VGG网络
![在这里插入图片描述](https://img-blog.csdnimg.cn/400a8ed62fe441718b612d13d904c2df.png)
![在这里插入图片描述](https://img-blog.csdnimg.cn/cd289d1d2fab4499907f037879df0215.png)
![在这里插入图片描述](https://img-blog.csdnimg.cn/7e22f869ba734388a402251e550198b1.png)
VGG模型特点
- 卷积核大小 3×3 :两层 3×3 卷积可以代替一层 5×5 卷积,并且模型深度更深,非线性更多,学习能力更好,且两层 3×3 卷积参数少于一层 5×5 卷积;三层 3×3 卷积可以代替一层 7×7 卷积。
VGG潜在应用 --迁移学习、可解释性分析
VGG卷积核权重可视化
model = VGG16()
model.summary()
model.get_weights()
可视化VGG各卷积层激活最大的原始图像
References
VGG论文
b站:VGG深度学习图像分类算法