1、网络结构

VGG16模型很好的适用于分类和定位任务，其名称来自牛津大学几何组（Visual Geometry Group）的缩写。

根据卷积核的大小核卷积层数，VGG共有6种配置，分别为A、A-LRN、B、C、D、E，其中D和E两种是最为常用的VGG16和VGG19。

介绍结构图：

  • conv3-64 ：是指第三层卷积后维度变成64，同样地，conv3-128指的是第三层卷积后维度变成128；
  • input（224×224 RGB image） ：指的是输入图片大小为224244的彩色图像，通道为3，即224224*3；
  • maxpool ：是指最大池化，在vgg16中，pooling采用的是2*2的最大池化方法（如果不懂最大池化，下面有解释）；
  • FC-4096 :指的是全连接层中有4096个节点，同样地，FC-1000为该层全连接层有1000个节点；
  • padding：指的是对矩阵在外边填充n圈，padding=1即填充1圈，5X5大小的矩阵，填充一圈后变成7X7大小；
  • 最后补充，vgg16每层卷积的滑动步长stride=1，padding=1，卷积核大小为333；

具体的过程：

  1. 输入图像尺寸为224x224x3，经64个通道为3的3×3的卷积核，步长为1，padding=same填充，卷积两次，再经ReLU激活，输出的尺寸大小为224x224x64
  2. 经max pooling（最大化池化），滤波器为2×2，步长为2，图像尺寸减半，池化后的尺寸变为112x112x64
  3. 经128个3×3的卷积核，两次卷积，ReLU激活，尺寸变为112x112x128
  4. max pooling池化，尺寸变为56x56x128
  5. 经256个3×3的卷积核，三次卷积，ReLU激活，尺寸变为56x56x256
  6. max pooling池化，尺寸变为28x28x256
  7. 经512个3×3的卷积核，三次卷积，ReLU激活，尺寸变为28x28x512
  8. max pooling池化，尺寸变为14x14x512
  9. 经512个3×3的卷积核，三次卷积，ReLU，尺寸变为14x14x512
  10. max pooling池化，尺寸变为7x7x512
  11. 然后Flatten()，将数据拉平成向量，变成一维51277=25088。
  12. 再经过两层1x1x4096，一层1x1x1000的全连接层（共三层），经ReLU激活
  13. 最后通过softmax输出1000个预测结果

从上面的过程可以看出VGG网络结构还是挺简洁的，都是由小卷积核、小池化核、ReLU组合而成。其简化图如下（以VGG16为例）：

6、总结

  • 通过增加深度能有效地提升性能；
  • VGG16是最佳的模型，从头到尾只有3×3卷积与2×2池化，简洁优美；
  • 卷积可代替全连接，可适应各种尺寸的图片。