Neural Networks Learning Journey: 第5课: VGG16

VGG-16-Net卷积神经网络的理解并对手势数据集识别

论文：《Very Deep Convolutional Networks for Large-Scale Image Recognition》
链接：https://arxiv.org/abs/1409.1556
源码：https://github.com/DoubleYuanL/VGG-Net
附带数据集
与AlexNet网络相比，VGG网络在结构设计上实现了重要突破，其核心改进在于采用多个尺寸较小的卷积核替代传统的大尺寸卷积核，从而有效提升了网络的深度，进一步增强了特征提取的精度与细致程度。

根据VGG-16的配置标准构建网络结构，从图中可见，VGG16由13个卷积层与3个全连接层组成，共计16层。在卷积过程中，所有卷积核的尺寸均为3×3。其中，第1至2层的卷积通道数为64，第3至4层为128通道，第5至7层为256通道，而第8至10层以及第11至13层均设置为512通道。在每个卷积块之后均添加