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的彩色图像，通道为3，即*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；
如上图VGG16的网络结构为，VGG由5层卷积层、3层全连接层、softmax输出层构成，层与层之间使用max-pooling（最大化池）分开，所有隐层的激活单元都采用ReLU函数。具体信息如下：
- 卷积-卷积-池化-卷积-卷积-池化-卷积-卷积-卷积-池化-卷积-卷积-卷积-池化-卷积-卷积-卷积-池化-全连接-全连接-全连接
- 通道数分别为64，128，512，512，512，4096，4096，1000。卷积层通道数翻倍，直到512时不再增加。通道数的增加，使更多的信息被提取出来。全连接的4096是经验值，当然也可以是别的数，但是不要小于最后的类别。1000表示要分类的类别数。
- 用池化层作为分界，VGG16共有6个块结构，每个块结构中的通道数相同。因为卷积层和全连接层都有权重系数，也被称为权重层，其中卷积层13层，全连接3层，池化层不涉及权重。所以共有13+3=16层。
- 对于VGG16卷积神经网络而言，其13层卷积层和5层池化层负责进行特征的提取，最后的3层全连接层负责完成分类任务。
2、VGG16的卷积核
- VGG使用多个较小卷积核（3×3）的卷积层代替一个卷积核较大的卷积层，一方面可以减少参数，另一方面相当于进行了更多的非线性映射，可以增加网络的拟合/表达能力。
- 卷积层全部都是3*3的卷积核，用上图中conv3-xxx表示，xxx表示通道数。其步长为1，用padding=same填充。
- 池化层的池化核为2*2
3、卷积计算
具体的过程：
- 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
- 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
- 经128个3×3的卷积核，两次卷积，ReLU激活，尺寸变为112x112x128
- max pooling池化，尺寸变为56x56x128
- 经256个3×3的卷积核，三次卷积，ReLU激活，尺寸变为56x56x256
- max pooling池化，尺寸变为28x28x256
- 经512个3×3的卷积核，三次卷积，ReLU激活，尺寸变为28x28x512
- max pooling池化，尺寸变为14x14x512
- 经512个3×3的卷积核，三次卷积，ReLU，尺寸变为14x14x512
- max pooling池化，尺寸变为7x7x512
- 然后Flatten()，将数据拉平成向量，变成一维51277=25088。
- 再经过两层1x1x4096，一层1x1x1000的全连接层（共三层），经ReLU激活
- 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）：
4、权重参数（不考虑偏置）
所以Times=224×224×3×3×3×64=8.7×107
借鉴一下大佬的图：
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。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/232923.html原文链接：https://javaforall.net
