VggNet .pdf

VggNet中文 .docx

前言

VGG的名字来源于牛津大学的 Visual Geometry Group，他们提出用多个 33小卷积核组合的方式来代替大卷积核。
人们通常认为卷积核越大，那么其感受野（receptive field）也越大，能匹配的模式也就更多。
对于两个串联的33卷积核，其感受野大小为55，和一个55的卷积核感受野一样大。
但前者的参数量为 18，而后者的参数量为25，并且小卷积核串联的方式能增加网络的深度，可以更好地学习高级特征。

An-overview-of-the-VGG-16-model-architecture-this-model-uses-simple-convolutional-blocks.png

测试结果

网络结构

作者进行了6组对比试验，从左到右网络结构依次加深。
LRN 就是局部响应归一化 Local Response Normalization，也就是之前在AlexNet中提到的操作。
image.png

单/多尺度测试结果

image.png
在单尺度测试结果如上图：

  • LRN ：✘
  • 变换输入图片大小：✘
  • 多尺度训练：✔
  • 增加网络深度：✔
  • VGG-19效果最好

在多尺度测试结果如下图：
image.png
结论：

  • VGG-16和VGG-19精度一样，但参数更少
  • 多尺度训练在多尺度测试中效果更好

    Dense ConvNet和mult-crop

    Dense ConvNet 就是将最后的全连接层先转化为卷积层（第一个全连接层转为7x7的卷积层，后两个转化为1x1的卷积层），这样可以对不同尺寸图像进行训练。
    假设最后的输入特征为 77512，使用1000个77512的卷积核，令stride=1，那么输出尺寸为[1,1,1,1000]，即[1,1000]。
    当输入特征为1414512时，令stride=2，那么输出尺寸为[1,2,2,1000]，为一个scoremap，然后求平均得到[1,1000]的向量。

将dense ConvNet和mult-crop方法进行对比，结论是两者我全都要：
image.png

模型融合

image.png

参考链接

一文读懂VGG网络
VGG Architecture