【论文阅读】Very deep convolutional networks for large-scale image recognition

论文简介：

《Very Deep Convolutional Networks For Large-Scale Image Recognition》文章出自牛津大学Robotics ReSearch Group团队，在2014ILSVRC (ImageNet Large Scale Visual Recognition Competition)竞赛中，团队在localisation（目标定位）和classification（分类）两个任务中分别获得第一和第二名的成绩，在分类任务中的准确度仅次于GoogLeNet。

一、Abstract  摘要

本文作者研究了在其他若干因素保持不变的情况下，卷积神经网络（CNN）的深度（depth，网络的层数）与训练收敛后的网络模型的预测准确性之间的关系。VGG 网络全部使用小的卷积核（3x3），通过将网络层数增大到16-19层，证明，通过增大神经网络的层数（此处的层数是指具有可训练模型参数的网络层，例如卷积层、全连接层，池化层没有参数，不计算），可以获得较高的模型预测准确性。

二、Introduction  介绍

受益于公开的大规模图像数据集（ImageNet）以及高性能的计算系统（GPU），大规模数据集可以使得网络得到充分的训练，降低过拟合的风险，高性能计算设备加速了网络的迭代训练。ImageNet 在深度图像识别技术的进步中具有重要的地位，它是从