图像分类/识别 VGG

VGG有很多个版本，也算是比较稳定和经典的model。它的特点也是连续conv多，计算量巨大（比前面几个都大很多）。（参数量：GoogleNet < AlexNet < VGG）
http://www.sohu.com/a/134347664_642762

VGG-16入门
卷积结果维度=(原图像维度+padding*2-卷积核维度)/stride+1
https://blog.csdn.net/Errors_In_Life/article/details/65950699

VGGNet  2014年
牛津大学计算机视觉组（Visual Geometry Group）
通过反复堆叠3*3的小型卷积核和2*2的最大池化层，VGGNet成功地构筑了16~19层深的卷积神经网络。（VGG16包含12个卷积层和3个全连接层）
每次池化后刚好缩小一半，信道数目不断增加一倍。
https://blog.csdn.net/loveliuzz/article/details/79135546

 
https://blog.csdn.net/qq_33037903/article/details/88774615

VGG19结构图
https://blog.csdn.net/susansmile1014/article/details/77216651