VGGNet探索了卷积神经网络的深度与其性能之间的关系,成功地构筑了16~19层深的卷积神经网络,证明了增加网络的深度能够在一定程度上影响网络的最终性能,使得错误率大幅下降,同时拓展性又很强,迁移到其他图片数据上的泛化性也非常好。到目前为止,VGG仍然被用来提取图像特征。
VGGNet可以看成是加深版本的AlexNet,都是由卷积层、全连接层两大部分组成。
VGG特点
先看一下VGG的结构图
1.结构简介
VGG由5层卷积层、3层全连接层、softmax输出层构成,层与层之间使用最大池化(max-pooling)分开,所有隐层的激活单元都采用ReLu函数。
2.小卷积核和多卷积子层
VGG使用多