深度学习——VGG网络

VGG网络:ImageNet-2104竞赛第二,是网络改造的首选基础网络(图片描述,图片问答);

一个大的卷积核分解为连续多个小卷积核;应用了核分解的思想:将7X7核->3个3X3核(由ReLU连接)

对应的参数数量由49通道数变为27通道数;

优点是减少参数,显存可用的容量对应就多了,降低了计算,增加了深度;

它继承了AlexNet结构的特点:简单和有效;


他的16层网络应用性能较好且广;

深度学习——VGG网络_第1张图片

分析下16weight layers;

输入图像大小:224X224X3

2个3X3相当于1个5X5;

3个3X3相当于1个7X7;

共5个池化层,3个FC层

拆解时通道数不便,依次是:64,128,256,512,512;



你可能感兴趣的:(深度学习/机器学习)