图像分类卷积神经网络之VGG网络模型结构详解
Posted 机器不学习我学习
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了图像分类卷积神经网络之VGG网络模型结构详解相关的知识,希望对你有一定的参考价值。
写在前面:
首先感谢兄弟们的关注和订阅,让我有创作的动力,在创作过程我会尽最大能力,保证作品的质量,如果有问题,可以私信我,让我们携手共进,共创辉煌。
1. 前言
VGG全称是Visual Geometry Group,因为是由Oxford的Visual Geometry Group提出的。
VGG网络是卷积神经网络中的一种,在 2014 的 ImageNet 竞赛中,获得了定位任务第一名和分类任务第二名的好成绩。总结起来就是它使用了更小的滤波器,同时使用了更深的结构,AlexNet只有8层网络,而VGG有16层–19层网络,也不像AlexNet网络使用11×11那么大的滤波器,它只使用3×3的滤波器和2×2的池化层。
它之所以使用很多小的滤波器,是因为层叠很多小的滤波器的感受野和一个大的滤波器的感受野是相同的,还能减少参数,同时有更深的网络结构。
VGG只是对网络层进行不断的堆叠,并没有进行太多的创新,而增加深度确实可以一定程度改善模型效果。
2. VGG网络
卷积网络的输入是224×224的RGB图像,整个网络的组成是非常格式化的,基本上都用的是3×3的卷积核以及 2×2的池化,少部分网络加入了1×1的卷积核。
解释两个关键问题:
- 作者用的是多个3×3卷积叠加,而不是例如7×7、11×11的单个卷积,原因如下:
3个3×3卷积叠加得到的理论感受野和一个7×7卷积的理论感受野是相同的。
以上是关于图像分类卷积神经网络之VGG网络模型结构详解的主要内容,如果未能解决你的问题,请参考以下文章
keras构建卷积神经网络(CNN(Convolutional Neural Networks))进行图像分类模型构建和学习