【论文快读】VGG-Net（2014）

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 $3\times 3$，个别有 $1\times 1$，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 $2\times 2$，stride2。图片的预处理仅减去均值。
相比于之前的单层 $5\times 5$卷积核，双层 $3\times 3$具有相同的感受域（receptive fields），但所需参数更少（25 $\rightarrow$ 18）。对于单层 $7\times 7$卷积核，三层 $3\times 3$具有相同的感受域，而参数：49 $\rightarrow$ 27。
$1\times 1$的线性变换和ReLU一起可以调整各层的非线性性质。