CV 经典主干网络 (Backbone) 系列: VGGNet

CV 经典主干网络 (Backbone) 系列: VGGNet

作者：Karen Simonyan 等
发表时间：2014
Paper 原文：Very Deep Convolutional Networks for Large-Scale Image Recognition

该篇是 CV 经典主干网络 (Backbone) 系列 下的一篇文章。

这个模型在当年的 ImageNet 挑战赛上分别取得了检测和分类任务的第一和第二名的成绩。论文中提出了一系列网络结构，用的较多的是 VGG16 和 VGG19，当然到了今天（2021年）都已经很少用了。

1. 网络结构

现在来看这个网络结构还是非常简单明了的。

在但是 VGGNet 主要的突破在于：

• 选用比较小的卷积核（3x3），而之前无论 AlexNet 还是 LeNet5 都是采用较大的卷积核，比如 11x11, 7x7。而采用小卷积核的意义主要有两点，一是在取得相同的感受野的情况下，比如两个3x3的感受野和一个5x5的感受野的大小相同，但是计算量却小了很多，关于这点原文中有很详细的解释，建议直接看原文;第二点是两层3x3相比一层5x5可以引入更多的非线性，从而使模型的拟合能力更强，这点作者也通过实验进行了证明。其实这里还有一个优点就是采用小的卷积核更方便优化卷积计算，比如Winograd算法对小核的卷积操作有比较好的优化效果。