VGGNet簡介
VGGNet網(wǎng)絡(luò)結(jié)構(gòu)
下圖是學(xué)界最常使用的vgg-16神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖茂契,可以看到其組成由:
-
個通道數(shù)是
的
的卷積層
-
個通道數(shù)是
的
的卷積層
-
個通道數(shù)是
的
的卷積層
-
個通道數(shù)是
的
的卷積層
-
個通道數(shù)是
的
的卷積層
-
個通道數(shù)是
的全連接層
-
個通道數(shù)是
的全連接層
-
個通道數(shù)是
的全連接層+softmax層
這樣加起來嗓化,vgg-16就是這樣由來的:
當(dāng)然迎卤,VGGNet除了16層的網(wǎng)絡(luò)結(jié)構(gòu)還有其他樣式的網(wǎng)絡(luò)結(jié)構(gòu),如圖:
VGGNet與AlexNet網(wǎng)絡(luò)結(jié)構(gòu)的對比
可以看到摩泪,VGGNet除了層數(shù)比AlexNet多外吼鱼,不管是VGG-16還是VGG-19其使用的卷積核均是的,而非AlexNet的
或者
的谆奥,如圖:
為什么要使用小卷積核
之前對感受野有了一次介紹眼坏,這里是連接:卷積神經(jīng)網(wǎng)絡(luò)的感受野及其計算,所以在這里會采用感受野的知識來回答這個問題酸些。我們把個
的卷積核堆疊起來:
- 第一個
的卷積核的感受野是
宰译。
- 第二個
的卷積核的感受野是
檐蚜。
- 第三個
的卷積核的感受野是
。
也就是說沿侈,經(jīng)過次卷積運(yùn)算后其對原始圖像的感受野是
的闯第,相當(dāng)于一個
的卷積核的感受野!但是為什么不直接使用一個
的卷積核呢缀拭?原因是雖然
個
的卷積核的感受野與
個
的卷積核一樣咳短,但是前者可以經(jīng)過
次激活函數(shù)的非線性變換具有比
次非線性變化得到的特征更具有表達(dá)性。除此之外蛛淋,使用小的卷積核還能夠節(jié)省參數(shù)量咙好,例如假設(shè)上一層的特征圖的通道數(shù)是
個,那么:
-
個
卷積核的參數(shù)量是:
-
個
卷積核的參數(shù)量是:
總結(jié)
- 可多次非線性變換提高卷積核對特征的抽取褐荷。
- 參數(shù)量更少敷扫,方便計算和存儲。
VGGNet每層的參數(shù)量
下圖展示了VGG-16網(wǎng)絡(luò)結(jié)構(gòu)每一層的參數(shù)量诚卸,需要說明的是在訓(xùn)練該網(wǎng)絡(luò)時大部分的內(nèi)存開銷都在開始的卷積層葵第,大部分的參數(shù)都在最后的3個全連接層: