深入理解卷积神经网络 VGG16

文章目录

    • 一、认识 VGG 16
      • 1. 相关知识
      • 2. 块结构
      • 3. 特点
      • 4. 权重参数
    • 二、分析 VGG16 的过程
    • 三、理解神经网络 VGG 16
    • 四、用VGG16 来做一个图像识别案例

一、认识 VGG 16

1. 相关知识

VGG是由Simonyan 和Zisserman在文献《Very Deep Convolutional Networks for Large Scale Image Recognition》中提出卷积神经网络模型,其名称来源于作者所在的牛津大学视觉几何组(Visual Geometry Group)的缩写。

该模型参加2014年的 ImageNet图像分类与定位挑战赛,取得了优异成绩:在分类任务上排名第二,在定位任务上排名第一

VGG中根据卷积核大小和卷积层数目的不同,可分为A,A-LRN,B,C,D,E共6个配置(ConvNet Configuration),其中以D,E两种配置较为常用,分别称为VGG16和VGG19

我们重点关注 VGG 16

你可能感兴趣的:(深入理解卷积神经网络,VGG16)