DL学习笔记：VGGnet 原理与实现
发布时间
阅读量：
阅读量
该网络由牛津大学视觉几何组与Google DeepMind的研究团队共同开发，在该竞赛中分别获得定位任务第一名及分类任务 runner-up。其主要体现在通过紧凑的3×3卷积核以及增加网络深度来显著提升模型性能，并且在不同数据集上的适应性表现出色。作为特征提取工具，在实际应用中仍发挥着重要作用。
研究发现，在CNN架构中，VGGNet深入探讨了网络深度与性能之间的关系。通过连续运用大小为3×3的小卷积层并配合使用2×2的最大池化操作,VGGNet成功构建了一种包含16至19个连续卷积层的深层CNN模型。
一、VGGNet结构
VGGNet包含A至E五种不同结构，在逐级升级的过程中其总体参数规模增幅有限（图6-7）。具体而言，在这些网络架构中
其中D与E通常指代的是VGGNet-16与VGGNet-19这两个模型。C确实很有趣。相较于B增加了几个相对简单的卷积层结构设计。其核心作用在于执行线性转换而非改变通道数量。
_
还没有任何评论哟~