怎么理解VGG-16结构图中的block

VGG-16 结构图:

如图所示,VGG16共有5层卷积层,两层全连接层,一层分类器:

conv1_1, conv1_2

conv2_1, conv2_2

conv3_1, conv3_2, conv3_3

conv4_1, conv4_2, conv4_3

conv5_1, conv5_2, conv5_3

FC1

FC2

softmax

(1) conv1 中有2个block:a.一个conv3-64的这种算一个block;b.两个conv3-64级联的这种算一个block,所以第一层卷积层通常会写为conv1_1,conv1_2.

(2) 其中conv1_1, conv1_2为并列关系,就是inception结构;出来的特征图拼接在一起;

(3) 为什么用三层conv3级联?

      用两层conv3的感受野和一层conv5是一样的,三层conv3的感受野和一层conv7是一样的,一次类推……

     个人理解:因为没级联一层都相当于往外扩一层,conv3就是3x3的卷积核,就是感受的中心点周围一圈的范围,         5x5的卷积核就是感受中心点周围两圈的范围,7x7就是周围三圈的范围。但是用3个conv3级联能够减少计算量。

(4) 为什么要用两层全连接层?

     个人理解: 类似于泰勒公式拟合一个曲线,第一层是第一个多项式,第二层是第二个多项式,两个就够了。

你可能感兴趣的:(人工智能)