全面理解VGG16模型
VGG16的结构层次
介绍结构图
首先需要看懂上图中的一些式子含义，如conv3-64，conv3-125
- 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；
VGG16模型所需要的内存容量
介绍卷积中的基本概念
什么是卷积？ 最直观的解释，直接上图（引用网上最火的图片）
image为需要进行卷积的图片，而convolved feature为卷积后得到的特征图；那么什么是卷积的过滤器也就是filter呢？图中黄色矩阵即为filter，image为5X5大小的一维图像，filter为3X3大小的一维矩阵；卷积过程是：filter与image对应位置相乘再相加之和，得到此时中心位置的值，填入第一行第一列，然后在移动一个格子（stride=1），继续与下一个位置卷积…最后得到是3X3X1的矩阵。
——这里需要注明：卷积后的结果矩阵维度=（image矩阵维数-filter矩阵维数+2xpad）/2+1，对应上图即宽width：3=（5-3+2×0）/1+1，高height：3=（5-3+2×0）/1+1；
如果还不懂，请接着看下图（为博主自己手写的卷积过程图）
在这里补充经过padding填充，那么卷积后图片大小不会发生改变，如5X5的图像大小，padding=1变成7X7，再用3X3的filter进行卷积，那么卷积后的宽高为（7-3+2×1）/1+1=7。
什么是maxpool？ 最大池化就是取filter对应区域内最大像素值替代该像素点值，其作用是降维。在这里，池化使用的滤波器都是2*2大小，因此池化后得到的图像大小为原来的1/2。下图为最大池化过程：
介绍完基本概念之后，就开始进入到理解VGG16的网络模型了
1.从input到conv1：
那么，第一层怎么将300x300x3的矩阵变成一个300x300x64的呢？？
假设RGB图像为蓝色框，橙色方块为3x3x3的卷积核（即filter），那么卷积后得到的图像应为298x298x1（此处没有进行padding，步长为1），但是经过填充一圈的矩阵，所以得到的结果为300x300x1，在这层中有64个卷积核，那么原来的300x300x1就变成了300x300x64。
2.从conv1到conv2之间的过渡：
3.conv2到conv3：
我们从上面的过程中知道了，input为300x300x3的图片，经过第一层之后变成150x150x64，那么第二层里面有128个卷积核，可以推出经过第二层后得到是75x75x128。
4.进入conv3：
可知，第三层有256个卷积核，那么得到就是75x75x256
5.从conv3到conv4之间的过渡：
这里75是奇数，经过pad之后变成偶数76，那么就得到结果为38x38x256
其余的过程与上述一样，最终得到10x10x512。
6.最后到三层全连接FC层
在全连接层中的每一个节点都与上一层每个节点连接，把前一层的输出特征都综合起来。在VGG16中，第一个全连接层FC1有4096个节点，上一层pool之后得到是10x10x512=51200个节点，同样第二个全连接层FC2也有4096个节点，最后一个FC3有1000个节点。
结论
上述对VGG16进行了初步深入的理解，还有很多知识点没写，不足之处请多多原谅。另外本博文也参考了其他文章，图片来源于网络。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/218811.html原文链接：https://javaforall.net
