VGGNet
来源:互联网 发布:数控车床g73凹圆弧编程 编辑:程序博客网 时间:2024/06/01 08:04
1 网络结构:
以224*224输入图片为例:
感觉VGGNet就是加深版的AlexNet,都是卷积与池化的叠加,最后再加两层全连接,然后softmax输出。VGGNet有5段卷积,每段卷积由2~3个卷积层后加一个最大池化组成。卷积核的数量也随着层数的增加而增多。VGGNet也沿用了AlexNet数据增强的方法(Multi-Scale)防止模型过拟合。
相较与AleNet,VGGNet最大的改进或者说区别就是用小size的Filter代替大size的Filter。比如,在VGGNet中,下面这种结构很常见,就是会用两个3*3的卷积核代替一个5*5的卷积核,
为什么这样呢?这样训练的好处有:
①需要训练的参数减少。如果卷积层C2的卷积核数量是N,上一层C1卷积核数量是M,则用一个5*5 size的卷积核实现该层卷积的参数数量是:5*5*N*M=25N*M;如果用两个3*3 size大小的卷积核代替一个5*5 size大小的卷积核,此时的参数数量是:(3*3*2)*N*M=18N*M。
②增加非线性变换的次数,增加了CNN对特征的学习能力。一个5*5的卷积核,经过一次卷积,则只进行一次非线性变换,而两个3*3的卷积核,则经过两次非线性变换。
2 成绩:
2014年亚军,错误率7.3%左右。
3 新技术点:
①LRN层作用不大,还耗时,抛弃。
②网络越深,效果越好。
③卷积核用较小的卷积核,比如3*3。
VGGNet模型虽然比Alexnet模型层数多,每轮训练的时间会比Alexnet长许多,但是因为更深的网络和更小的卷积核带来的隐式正则化结果,需要的收敛的迭代次数较少许多。
- VGGNet
- VGGNet
- VGGNet笔记
- VGGNet笔记
- VGGNet笔记
- VGGNet笔记
- AlexNet, VGGNet, GoogLeNet 对比
- vggnet学习资料整理
- 经典CNN之:VGGNet
- 经典的神经网络-VGGNet
- VGGNet 内存占用分析
- VGGNet网络模型
- iOS VGGNet App
- Tensorflow实现VGGNet
- Tensorflow实现VGGNet
- VGGNet模型解读
- Alexnet与vggnet的比较
- 深度学习之解读VGGNet
- [Unity Shader 技术整理]边缘检测的使用(一)
- POJ 1861 Network(最小生成树+克鲁斯卡尔)
- 最基础的动态规划(1)——POJ 3176 POJ 1163 相同的题
- 2.分布式文件系统HDFS之一
- android画空心圆
- VGGNet
- mfs监控
- 单链表判环判相交综合题
- ButterKnife8.8注入框架+Android ButterKnife Zelezny插件组合
- 服务器操作系统该选 Debian/Ubuntu 还是 CentOS?
- 2017年8月17日训练日记
- 文章标题
- 使用FreeMarker生成Word文档中的表格
- junit的使用