【分类网络】VGG

⭐ VGG

参考文献：Very Deep Convolutional Networks for Large-Scale Image Recognition（2014）

VGG Net在ILSVRC2014上取得了第二名的成绩，第一名是GoogLeNet，这里先写VGG是因为这个模型在多个迁移学习任务中的表现要优于GoogLeNet。到目前为止，VGG依然经常被用来提取图像特征，它的缺点是参数量有140M之多，耗费计算资源需要更大的存储空间，但是这个模型很有研究价值。目前常用的VGG结构为VGG-16和VGG-19。

---

✔️诞生背景

随着卷积网络在计算机视觉领域的应用越来越广泛，为了获得更高的准确率，越来越多的人开始在AlexNet的原始框架上进行改进。相比于2012年的AlexNet，VGG的一个改进是采用连续的3×3小卷积核来代替AlexNet中较大的卷积核(AlexNet采用了11×11，7×7，5×5的卷积核)，例如用2个3×3卷积核来代替1个5×5卷积核，用3个3×3卷积核来代替1个7×7卷积核。对于给定的感受野，采用堆叠小卷积核效果优于采用大卷积核，因为多层非线性层可以增加网络深度来保证学习更复杂的模式，而且代价还比较小（参数更少）。

✔️网络结构