目錄
1.VGG網絡簡介
一.VGG概述
二.VGG結構簡介
2.VGG的優點
3.VGG亮點所在
計算量
感受野
1.VGG網絡簡介
一.VGG概述
VGGNet是牛津大學視覺幾何組(Visual Geometry Group)提出的模型，該模型在2014ImageNet圖像分類與定位挑戰賽 ILSVRC-2014中取得在分類任務第二，定位任務第一的優異成績。VGGNet突出的貢獻是證明了很小的卷積，通過增加網絡深度可以有效提高性能。VGG很好的繼承了Alexnet的衣缽同時擁有着鮮明的特點。相比Alexnet ，VGG使用了更深的網絡結構，證明了增加網絡深度能夠在一定程度上影響網絡性能。
說得簡單點，VGG就是五次卷積的卷積神經網絡。
二.VGG結構簡介
我們上文已經說了，VGG其實就是五層卷積。我們來看這個圖：
這個圖是作者當時六次實驗的結果圖。在介紹這個圖前，我先進行幾個概念說明：卷積層全部爲3*3的卷積核，用conv3-xxx來表示，xxx表示通道數。
在這個表格中，我們可以看到，
第一組（A）就是個簡單的卷積神經網絡，沒有啥花裏胡哨的地方。
第二組（A-LRN）在第一組的卷積神經網絡的基礎上加了LRN（小白們不用太過了解這個，現在已經不是主流了，LRN是Alexnet中提出的方法，在Alexnet中有不錯的表現 ）
第三組（B）在A的基礎上加了兩個conv3，即多加了兩個3*3卷積核
第四組（C）在B的基礎上加了三個conv1，即多加了三個1*1卷積核
第五組（D）在C的基礎上把三個conv1換成了三個3*3卷積核
第六組（E）在D的基礎上又加了三個conv3，即多加了三個3*3卷積核
初高中就告訴我們，實驗要控制變量（單一變量），你看，用到了吧
那麽，我們從這一組實驗中能得到什麽結果呢？
1.第一組和第二組進行對比，LRN在這裏并沒有很好的表現，所以LRN就讓他一邊去吧
2.第四組和第五組進行對比，cov3比conv1好使
3.統籌看這六組實驗，會發現随着網絡層數的加深，模型的表現會越來越好
據此，咱們可以簡單總結一下：論文作者一共實驗了6種網絡結構，其中VGG16和VGG19分類效果最好（16、19層隐藏層），證明了增加網絡深度能在一定程度上影響最終的性能。 兩者沒有本質的區别，隻是網絡的深度不一樣。
接下來，以VGG16爲例作具體講解：
相信有小白會疑惑：組号下面那個weight layers 是啥意思？别急，看下面：
看這幾個數字加起來，是不是就是16？
就像上圖展示的，除了黃色的maxpool（池化層），其他所有層數的總和，就是16，同理，VGG19也一樣。
那麽，爲什麽不算池化層呢？
這是因爲，池化層沒有權重系數，而其他層都有，所以.....
那麽，我們接下來去看VGG是如何工作的：
看，一個長224，寬224，通道數3的圖，經過第一個模塊，通道數增加到64，随後經過池化層長寬減半。然後到第二個模塊，通道數增加到128，到池化層長寬再減半......
一直到最後一次池化，得到7×7×512的結果，然後通過三個全連接層，變成最後的1×1×1000的分類結果（也不一定是一千，這裏的1000是當時的比賽結果）
2.VGG的優點
1.小卷積核組:作者通過堆疊多個3*3的卷積核(少數使用1*1）來替代大的卷積核，以減少所需參數；
2.小池化核:相比較于AlexNet使用的3*3的池化核，VGG全部爲2*2的池化核；
3.網絡更深特征圖更寬:卷積核專注于擴大通道數，池化專注于縮小高和寬，使得模型更深更寬的同時，計算量的增加不斷放緩；
4.将卷積核替代全連接:作者在測試階段将三個全連接層替換爲三個卷積，使得測試得到的模型結構可以接收任意高度或寬度的輸入。
5.多尺度:作者從多尺度訓練可以提升性能受到啓發，訓練和測試時使用整張圖片的不同尺度的圖像，以提高模型的性能。
6.去掉了LRN層:作者發現深度網絡中LRN（Local Response Normalization，局部響應歸一化）層作用不明顯。
3.VGG亮點所在
在AlexNet中，作者使用了11x11和5x5的大卷積，但大多數還是3x3卷積，對于stride=4的11x11的大卷積核，理由在于一開始原圖的尺寸很大因而冗餘，最爲原始的紋理細節的特征變化可以用大卷積核盡早捕捉到，後面更深的層數害怕會丢失掉較大局部範圍内的特征相關性，後面轉而使用更多3x3的小卷積核和一個5x5卷積去捕捉細節變化。
而VGGNet則全部使用3x3卷積。因爲卷積不僅涉及到計算量，還影響到感受野。前者關系到是否方便部署到移動端、是否能滿足實時處理、是否易于訓練等，後者關系到參數更新、特征圖的大小、特征是否提取的足夠多、模型的複雜度和參數量等。
計算量
VGG16相比AlexNet的一個改進是采用連續的幾個3x3的卷積核代替AlexNet中的較大卷積核（11x11，7x7，5x5）。對于給定的感受野（與輸出有關的輸入圖片的局部大小），采用堆積的小卷積核是優于采用大的卷積核，因爲多層的非線性層可以增加網絡深度來保證學習更複雜的模式，而且代價還比較小（參數更少）。
在VGG中，使用了3個3x3卷積核來代替7x7卷積核，使用了2個3x3卷積核來代替5*5卷積核，這樣做的主要目的是在保證具有相同感知野的條件下，提升網絡的深度，在一定程度上提升神經網絡的效果。
比如，3個3x3連續卷積相當于1個7x7卷積：3個3*3卷積的參數總量爲 3x(3×3×C2) =27C2，1個7x7卷積核參數總量爲1×7×7×C2 ，這裏 C 指的是輸入和輸出的通道數。很明顯，27
