[深度学习]经典网络结构(五)——VGGNet

#本文意为总结自己学习的网络模型,以留作笔记使用，如有错误,欢迎在下方评论

一、简介

VGGNet论文中全部使用了3*3的小型卷积核，步长为1和2*2的最大池化核，步长为2，通过不断加深网络结构来提升性能

二、网络结构

三、VGG16网络参数

注意：

两个堆叠的卷积层（卷积核为3*3）有限感受野是5*5，三个堆叠的卷积层（卷积核为3*3）的感受野为7*7，故可以堆叠含有小尺寸卷积核的卷积层来代替具有大尺寸的卷积核的卷积层，并且能够使得感受野大小不变，而且多个3*3的卷积核比一个大尺寸卷积核有更多的非线性（每个堆叠的卷积层中都包含激活函数），使得decision function更加具有判别性。

详情见：https://blog.csdn.net/chenyuping333/article/details/82250931