VGG16模型 VGG16模型

VGG16模型在分类与定位相关任务中表现出良好的适用性

该模型的命名源自其开发者所属的牛津大学视觉几何组（Visual Geometry Group）的英文简称。

1、结构简洁
VGG网络架构由5个卷积层、3个全连接层以及一个softmax输出层组成，各层之间通过max-pooling（最大池化）进行分隔，所有隐藏层的激活函数均采用ReLU。

2、小卷积核和多卷积子层
VGG在网络设计中采用了多个小尺寸的卷积核（3x3）组成的卷积层，以替代单一大尺寸的卷积核。这种设计不仅有助于减少模型参数的数量，而且等效于增加了非线性映射的次数，从而提升了网络对复杂特征的表达能力。

小尺寸的卷积核是VGG的一个显著特征。尽管VGG在整体结构上借鉴了AlexNet的设计理念，但并未沿用其较大的卷积核尺寸（如7x7），而是通过减小单个卷积核的大小并增加卷积子层数量来实现相似的效果（VGG：从1到4个子层；AlexNet：仅1个子层）。

根据VGG作者的观点，两个堆叠的3x3卷积核所获得的感受野与一个5x5的单一卷积核相当；而三个连续堆叠的3x3卷积核则能