经典网络VGGNet介绍

我会带着你远行 2023-01-10 10:17 210阅读 0赞

经典网络VGGNet(其中VGG为Visual Geometry Group)由Karen Simonyan等于2014年提出，论文名为《Very Deep Convolutional Networks for Large-Scale Image Recognition》，论文见：[https://arxiv.org/pdf/1409.1556.pdf][https_arxiv.org_pdf_1409.1556.pdf]，网络结构如下图所示，其中D和E即为VGG-16和VGG-19：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlbmdiaW5nY2h1bg_size_16_color_FFFFFF_t_70][]

下图是来自[https://neurohive.io/en/popular-networks/vgg16/][https_neurohive.io_en_popular-networks_vgg16] 中VGG-16架构的截图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlbmdiaW5nY2h1bg_size_16_color_FFFFFF_t_70 1][]

VGG-16(13个卷积层+3个全连接层)与VGG-19(16个卷积层+3个全连接层)的区别：每个卷积层后跟ReLU

(1).VGG-16：2个卷积层+Max Pooling+2个卷积层+Max Pooling+3个卷积层+Max Pooling+3个卷积层+Max Pooling+3个卷积层+Max Pooling+3个全连接层。

(2).VGG-19：2个卷积层+Max Pooling+2个卷积层+Max Pooling+4个卷积层+Max Pooling+4个卷积层+Max Pooling+4个卷积层+Max Pooling+3个全连接层。

假如输入图像大小为n\*n，过滤器(filter)为f\*f，padding为p，步长(stride)为s，则输出大小为：如果商不是整数，向下取整，即floor函数。参考：[https://blog.csdn.net/fengbingchun/article/details/80262495][https_blog.csdn.net_fengbingchun_article_details_80262495]

![2021013016563890.png][]

VGGNet网络证明了增加网络深度有利于分类精度，使错误率下降。VGGNet模型应用到其它图像数据集上泛化性也很好。

VGGNet网络：

(1).结构简洁：卷积层+ReLU、最大池化层、全连接层、Softmax输出层。

(2).使用连续几个较小卷积核(3\*3)替换AlexNet中的较大卷积核且采用same padding(即p=(f-1)/2)，既减少参数，又进行了更多的非线性映射，可以增加网络的拟合能力。分为5段卷积，每段包括2至4卷积层。

(3).最大池化，小池化核(2\*2)，stride为2。

(4).通道数即feature maps数逐渐翻倍增加，使得更多的信息可以被提取出来。

(5).训练时将同一张图像缩放到不同的大小，在随机裁剪到224\*224大小以及随机水平翻转，增加训练数据量。

(6).在测试阶段，将3个全连接层替换为3个卷积层，这样输入层可以接收任意宽或高的图像。

VGG-16架构：13个卷积层+3个全连接层，predict时对各层进行说明，参照：[https://github.com/fengbingchun/Caffe\_Test/blob/master/test\_data/Net/VGG-16/vgg-16\_deploy.prototxt][https_github.com_fengbingchun_Caffe_Test_blob_master_test_data_Net_VGG-16_vgg-16_deploy.prototxt]

(1).输入层(Input)：图像大小为224\*224\*3。

(2).卷积层1+ReLU：使用64个3\*3的filter，stride为1，padding为1，输出为224\*224\*64，64个feature maps，训练参数(3\*3\*3\*64)+64=1792。

(3).卷积层2+ReLU：使用64个3\*3的filter，stride为1，padding为1，输出为224\*224\*64，64个feature maps，训练参数(3\*3\*64\*64)+64=36928。

(4).最大池化层：filter为2\*2，stride为2，padding为0，输出为112\*112\*64，64个feature maps。

(5).卷积层3+ReLU：使用128个3\*3的filter，stride为1，padding为1，输出为112\*112\*128，128个feature maps，训练参数(3\*3\*64\*128)+128=73856。

(6).卷积层4+ReLU：使用128个3\*3的filter，stride为1，padding为1，输出为112\*112\*128，128个feature maps，训练参数(3\*3\*128\*128)+128=147584。

(7). 最大池化层：filter为2\*2，stride为2，padding为0，输出为56\*56\*128，128个feature maps。

(8).卷积层5+ReLU：使用256个3\*3的filter，stride为1，padding为1，输出为56\*56\*256，256个feature maps，训练参数(3\*3\*128\*256)+256=295168。

(9).卷积层6+ReLU：使用256个3\*3的filter，stride为1，padding为1，输出为56\*56\*256，256个feature maps，训练参数(3\*3\*256\*256)+256=590080。

(10).卷积层7+ReLU：使用256个3\*3的filter，stride为1，padding为1，输出为56\*56\*256，256个feature maps，训练参数(3\*3\*256\*256)+256=590080。

(11). 最大池化层：filter为2\*2，stride为2，padding为0，输出为28\*28\*256，256个feature maps。

(12).卷积层8+ReLU：使用512个3\*3的filter，stride为1，padding为1，输出为28\*28\*512，512个feature maps，训练参数(3\*3\*256\*512)+512=1180160。

(13).卷积层9+ReLU：使用512个3\*3的filter，stride为1，padding为1，输出为28\*28\*512，512个feature maps，训练参数(3\*3\*512\*512)+512=2359808。

(14).卷积层10+ReLU：使用512个3\*3的filter，stride为1，padding为1，输出为28\*28\*512，512个feature maps，训练参数(3\*3\*512\*512)+512=2359808。

(15). 最大池化层：filter为2\*2，stride为2，padding为0，输出为14\*14\*512，512个feature maps。

(16).卷积层11+ReLU：使用512个3\*3的filter，stride为1，padding为1，输出为14\*14\*512，512个feature maps，训练参数(3\*3\*512\*512)+512=2359808。

(17).卷积层12+ReLU：使用512个3\*3的filter，stride为1，padding为1，输出为14\*14\*512，512个feature maps，训练参数(3\*3\*512\*512)+512=2359808。

(18).卷积层13+ReLU：使用512个3\*3的filter，stride为1，padding为1，输出为14\*14\*512，512个feature maps，训练参数(3\*3\*512\*512)+512=2359808。

(19). 最大池化层：filter为2\*2，stride为2，padding为0，输出为7\*7\*512，512个feature maps。

(20).全连接层1+ReLU+Dropout：有4096个神经元或4096个feature maps，训练参数(7\*7\*512)\*4096=102760488。

(21). 全连接层2+ReLU+Dropout：有4096个神经元或4096个feature maps，训练参数4096\*4096=16777216。

(22). 全连接层3：有1000个神经元或1000个feature maps，训练参数4096\*1000=4096000。

(23).输出层(Softmax)：输出识别结果，看它究竟是1000个可能类别中的哪一个。

train和predict的可视化结果如下图所示：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlbmdiaW5nY2h1bg_size_16_color_FFFFFF_t_70 2][]

**GitHub**：[https://github.com/fengbingchun/NN\_Test][https_github.com_fengbingchun_NN_Test]

[https_arxiv.org_pdf_1409.1556.pdf]: https://arxiv.org/pdf/1409.1556.pdf
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlbmdiaW5nY2h1bg_size_16_color_FFFFFF_t_70]: /images/20221119/bd0086c0dd174308b583dbe58a2b3a94.png
[https_neurohive.io_en_popular-networks_vgg16]: https://neurohive.io/en/popular-networks/vgg16/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlbmdiaW5nY2h1bg_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20210123162116635.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlbmdiaW5nY2h1bg==,size_16,color_FFFFFF,t_70
[https_blog.csdn.net_fengbingchun_article_details_80262495]: https://blog.csdn.net/fengbingchun/article/details/80262495
[2021013016563890.png]: https://img-blog.csdnimg.cn/2021013016563890.png
[https_github.com_fengbingchun_Caffe_Test_blob_master_test_data_Net_VGG-16_vgg-16_deploy.prototxt]: https://github.com/fengbingchun/Caffe_Test/blob/master/test_data/Net/VGG-16/vgg-16_deploy.prototxt
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlbmdiaW5nY2h1bg_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20210123162213804.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlbmdiaW5nY2h1bg==,size_16,color_FFFFFF,t_70
[https_github.com_fengbingchun_NN_Test]: https://github.com/fengbingchun/NN_Test