Very Deep Convolutional Networks for Large-Scale Image Recognition
    VGGNET.pdf
    https://blog.csdn.net/zzq060143/article/details/99442334

    这篇文章是以比赛为目的——解决ImageNet中的1000类图像分类和 localization（这里需要注意 localization 和 detection 的区别. localization是找到某个物体的检测框，而detection是找到所有物体的检测框，后文会详细说明.）
    image.png
    作者对六个网络的实验结果在深度对模型影响方面，进行了感性分析（越深越好），实验结果是16和19层的VGGNet（VGG代表了牛津大学的Oxford Visual Geometry Group，该小组隶属于1985年成立的Robotics Research Group.

    VGGNet的两个特点：层数更深更宽、卷积核更小. 因为卷积核变小全部改用3×3大小（性能最好的两个网络：实验D（VGG16）和实验E（VGG19）），小卷积核的使用带来参数量减少，可以更加steadily地增加层数得同时不会太过于担心计算量的暴增.

    因为VGGNet在AlexNet之后，有必要先说一下问题的背景：自从AlexNet将深度学习的方法应用到图像分类取得state of the art的惊人结果后，大家都竞相效仿并在此基础上做了大量尝试和改进，先从两个性能提升的例子说起：

    1. 小卷积核。在第一个卷积层用了更小的卷积核和卷积stride（Zeiler & Fergus, 2013; Sermanet et al., 2014）；
    2. 多尺度。训练和测试使用整张图的不同尺度（Sermanet et al., 2014; Howard, 2014）。

    作者虽然说自己是在保证其他一致，改变深度情况来提升效果的，但实际上也是集大成（抄袭这两个：用更小卷积核；多尺度训练和测试）。算是作者整个实验的motivation吧，既然如此，或许作者想：我再试试深度，如果效果好，就发表出来又水篇文章（毕竟不能没有自己的工作），哈哈哈！