经典网络VGG16

1、经典网络VGG16 basic

       VGG是由Simonyan 和Zisserman在文献《Very Deep Convolutional Networks for Large Scale Image Recognition》中提出卷积神经网络模型，其名称来源于作者所在的牛津大学视觉几何组(Visual Geometry Group)的缩写。

     针对VGG16进行具体分析发现，VGG16共包含：

• 13个卷积层（Convolutional Layer），分别用conv3-XXX表示
• 3个全连接层（Fully connected Layer）,分别用FC-XXXX表示
• 5个池化层（Pool layer）,分别用maxpool表示

       其中，卷积层和全连接层具有权重系数，因此也被称为权重层，总数目为13+3=16，这即是VGG16中16的来源。(池化层不涉及权重，因此不属于权重层，不被计数)。

      conv3-64的全称是convolution kernel_size=3, the number of kernel=64，该层有64个3*3的卷积和实施卷积操作。每一个卷积层都对输入图像进行了padding操作，padding的尺寸需要正好保证输出图像的尺寸与输入图像相同。

      FC4096全称是Fully Connected 4096，是输出层连接4096个神经元的全连接层。

 2、针对VGG16具体解释

      1）block1解释

       VGG16的输入图像为224*224*3，第一个conv3-64的意思是由64个3*3*3（3代表通道数）的卷积核去卷积输入图像，1个3*3*3的卷积核与图像224*224*3卷积，再通过padding后得到1个224*224大小的矩阵图像，那么64个3*3*3的卷积核去卷积输出的结果为224*224*64的矩阵图像组。针对输入224*224*64的矩阵图像组，第二个conv3-64的含义是由64个3*3*64的矩阵卷积核组去卷积矩阵图像组，由于1个224*224*64的矩阵图像组和1个3*3*64的矩阵卷积核组得到1个224*224大小的矩阵图像，故block1的最终输出结果就是224*224*64。

       block1中的param分别为（第一个conv3-64：(3*3*3)*64；第二个conv3-64：(3*3*64)*64）

      2）经过block1后的maxpooling1的输出层数据为为112*112*64

      3）block2解释

       block2的输入数据是112*112*64，conv3-128代表的意思是由128个3*3*64（64代表通道数）的卷积核去卷积输入数据，与之前讲述相同，此时得到112*112*128矩阵图像组。

       block2中的param分别是（第一个conv3-128：(3*3*64)*128；第二个conv3-128：(3*3*128)*128）

     4）经过block2后的maxpooling2的输出层数据为56*56*128

     5）block3解释

      block3的输入数据是56*56*128，conv3-256代表的意思是由256个3*3*128（128代表通道数）的卷积核去卷积输入数据，与之前讲述相同，此时得到56*56*256矩阵图像组。

      block3的param分别是（第一个conv3-256：(3*3*128)*256；第二个conv3-256：(3*3*256)*256；第二个conv3-256：(3*3*256)*256）

      6）经过block3后的maxpooling3的输出层数据为28*28*256   

      7）block4、block5以此类推

      8）block5后maxpooling5的输出层数据为7*7*512

      9）FC-4096层的输入数据为7*7*512，全连接层有4096个神经元。

           FC-4096中的param为7*7*512*4096

3、VGG16的参数

图中蓝色是计算权重参数数量的部分；红色是计算所需存储容量的部分。

VGG16具有如此之大的参数数目，可以预期它具有很高的拟合能力；但同时缺点也很明显：

• 即训练时间过长，调参难度大。
• 需要的存储容量大，不利于部署。例如存储VGG16权重值文件的大小为500多MB，不利于安装到嵌入式系统中。

4、VGG16的具体结构

       首先需要解释为什么把一个224*224*3的3通道的RGB图像->变成了224*224*64有着64通道的图像组合?

       答：这里是拿64组3*3*3的卷积核去卷积这一个RGB图像。一组3*3*3的卷积核去卷积一组224*224*3的图像（27个数求和，然后扫过去），借助padding后，得到的是一个224*224的图像，那么64组卷积和就得到64组224*224的图像，即224*224*64这一个64通道的图像组合。

 

5、关于VGG16网络的迁移学习

        vgg16对应的供keras使用的模型人家已经帮我们训练好，我们将学习好的 VGG16 的权重迁移（transfer）到自己的卷积神经网络上作为网络的初始权重，这样我们自己的网络不用从头开始从大量的数据里面训练，从而提高训练速度。这里的迁移就是平时所说的迁移学习。

 

 

参考文章：

【1】http://deanhan.com/2018/07/26/vgg16/

【2】https://www.cnblogs.com/lfri/p/10493408.html