神经网络系列（三）--VGG 网络解析

VGG 网络结构

一、简介

VGG是牛津大学 Visual Geometry Group（视觉几何组）的缩写，在2014年，超越了Alex 获得了ImageNet 的亚军，VGG是在AlexNet基础上作了改进，增加了神经网络的深度与运用了小卷积核，使得结果更加精确。

二、网络结构

三、特性

特性一：

采用连续的几个3x3的卷积核代替AlexNet中的较大卷积核（11x11，7x7，5x5），两个3x3卷积核的堆叠相对于5x5卷积核的视野，三个3x3卷积核的堆叠相当于7x7卷积核的视野。这样一方面可以有更少的参数（3个堆叠的3x3结构只有7x7结构参数数量的(3x3x3)/(7x7)=55%）；另一方面拥有更多的非线性变换，增加了CNN对特征的学习能力

例如：

3个3X3 的参数量为 3X(3X3)X (输入通道数的平方)

1个7X7 的参数量为 1X(7X7)X (输入通道数的平方)

如上减少了参数，也更有利于保持图像性质

特性二：

1x1卷积核的作用

在不影响感受野的情况下，增加模型的非线性

特性三：

采用了Multi-Scale的方法来训练和预测。可以增加训练的数据量，防止模型过拟合，提升预测准确率