每天五分钟计算机视觉：经典的卷积神经网络之VGG-16模型

VGG-16

Vgg16是牛津大学VGG组提出来的，相比于AlexNet来说，AlexNet的一个改进是采用连续的几个4*3的卷积核来代替AlexNet中的较大的卷积核(11*11,5*5)。前面我们也说过了使用小卷积核是优于大的卷积核的，因为多层非线性层可以增加网络深度来保证学习到更加复杂的模式，而且代价还会更小，也就是参数会更少。

VGG-16 网络，VGG-16 网络没有那么多超参数（不是说训练参数，它的训练参数是1.38亿），这是一种只需要专注于构建卷积层的简单网络。

连续两个卷积层，都是 64 个 3×3 的过滤器对输入图像进行卷积，输出结果是224×224×64，因为使用了 same 卷积，通道数量也一样。就是说先用一个64 个 3×3 的过滤器对输入图像进行卷积，然后输出再用一个64 个 3×3 的过滤器对输入图像进行卷积。

接下来创建一个池化层，池化层将输入图像进行压缩，从 224×224×64 缩小到 112×112×64。然后又是若干个卷积层，使用 128 个过滤器，以及一些 same 卷积，然后进行池化，可以推导出池化后的结果是56×56×128，接着再用 256 个相同的过滤器进行三次卷积操作࿰