VGG介紹:
由牛津大學著名研究所VGG提出，斬獲該年ImageNet競賽中Localization Task（定位任務）第一名和Classification Task（分類任務）第二名，
VGG網路的配置：（VGG-16是許多模型中的主干網路）
在原論文中，作者給了6個VGG網路的不同配置，并且嘗試了不同的深度（11、13、16、19層）以及是否采用LRN等，在實際使用程序中，我們一般都會采用D這個配置，即16層：13個卷積層以及最后3個全連接層，
VGG網路的亮點：
通過堆疊多個3*3的卷積核來代替大尺度卷積核（目的：減少所需引數），在原論文中提到，可以通過堆疊2個3*3的卷積核替代5*5卷積核（使得2個3*3的卷積核與5*5的卷積核擁有相同的感受野）；堆疊3個3*3的卷積核替代7*7的卷積核（使得3個3*3的卷積核與7*7的卷積核擁有相同的感受野），
概念擴展-CNN感受野（receptive field）：
在卷積神經網路中，決定某一層輸出結果中一個元素所對應的輸入層的區域大小，被稱作感受野，通俗的來說就是，輸出feature map 上的一個單元對應輸入層上的區域大小，
簡單例子：
如上圖，最下層是一個9*9*1的特征矩陣 ，首先將其通過Conv1（大小為3*3，步距為1），通過計算公式，可以得到大小為4*4*1的特征矩陣；再將其通過最大池化下載量操作（大小為2*2，步距為2），得到一個2*2*1的大小，
接下來計算感受野：
Feature map(最后得到的特征圖)：F=1
Pool1層：其輸出的是2*2大小，其輸入的是4*4大小，Ksize=2,Stride=2則F=（1-1）*2+2=2
Conv1：其輸出的是4*4大小，其輸入的是9*9大小，Ksize=3,Stride=2則F=（2-1）*2+3=5
VGG網路結構：
上面我們說過，我們常用的是D配置，即VGG-16，其程序為：①輸入224大小的RGB影像②通過兩層3*3的卷積核③通過maxpool(最大下載量)④通過兩層3*3的卷積核⑤通過maxpool⑥通過三層3*3的卷積核⑦通過maxpool⑧通過三層3*3的卷積核⑨通過maxpool⑩通過三層3*3的卷積核、通過maxpool、通過三個全連接層、通過soft-max處理，得到概率分布，
補充：
（通過3*3的卷積核，輸入、輸出尺寸不變；通過maxpool，將特征矩陣的高和寬直接縮小一半），
結構圖：（通過D這個模型進行繪制的）
說明：白色矩形框：代表卷積和激活函式
紅色矩形框：代表最大池化下載量
藍色矩形框：全連接層和激活函式
橙色矩形框：softmax處理
結構程序：（配置表和結構圖一起觀察）
1、首先輸入一張224*224*3大小的影像，經過兩個3*3的卷積層之后，所得到的特征圖大小為224*224*64（尺寸大小不變，因為采用的是64個卷積核，所以深度也為64），
2、通過一個最大池化下載量層，得到的特征圖為112*112*64（大小縮小一半，不改變深度），
3、再通過兩個3*3*128的卷積層，得到的特征圖為112*112*128（深度變為128），
4、通過一個最大池化下載量層，得到的特征圖為56*56*128（大小縮小一半，不改變深度），
5、再通過三個3*3*256的卷積層，得到的特征圖為56*56*256（深度變為256），
6、通過一個最大池化下載量層，得到的特征圖為28*28*256（大小縮小一半，不改變深度），
7、再通過三個3*3*512的卷積層，得到的特征圖為28*28*512（深度變為512），
8、通過一個最大池化下載量層，得到的特征圖為14*14*512（大小縮小一半，不改變深度），
9、再通過三個3*3*512的卷積層，得到的特征圖為14*14*512（深度變為512），
10、通過一個最大池化下載量層，得到的特征圖為7*7*512（大小縮小一半，不改變深度），
11、再通過兩個為4000個節點的全連接層以及激活函式，得到1*1*4096向量
12、再通過一個為1000個節點的全連接層（因為1000個類別），注意不需要激活函式，得到1*1*1000向量，
13、最后將通過全連接層得到的一維向量，輸入到softmax激活函式，將預測結果轉化為概率分布，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/345582.html
標籤：其他