版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/tfcy694/article/details/87532527
标题:VERY DEEP CONVOLUTIONAL NETWORKS
FOR LARGE-SCALE IMAGE RECOGNITION
链接:https://arxiv.org/abs/1409.1556
作者:Karen Simonyan等
摘要:
VGG和GoogLeNet同期,在ZF-Net和OverFeat之后,其贡献是在比之前的架构大大增加了深度,同时在ZF-Net的基础上完善了小卷积核的理论分析。
网络架构
如图是VGG的不同架构和参数数量:
在这里卷积和全部缩小至
,个别有
,pad1,stride1。网络取消了之前的LRN,激活函数用的ReLU,池化用的最大池化
,stride2。图片的预处理仅减去均值。
相比于之前的单层
卷积核,双层
具有相同的感受域(receptive fields),但所需参数更少(25
18)。对于单层
卷积核,三层
具有相同的感受域,而参数:49
27。
的线性变换和ReLU一起可以调整各层的非线性性质。