卷积神经网络经典模型——VGG
来源:互联网 发布:java高级工程师课程 编辑:程序博客网 时间:2024/05/01 22:38
前言
VGG的最大特点是very deep conv,也就是通过加深卷积层来提高识别率。
网络结构
VGG是从Alex-net发展起来的网络,主要做了两个改进:
1. 在第一个卷积层中使用了更小的filter尺寸。
2. 在整个图片和multi-scale上训练和测试图片。
使用几个较小的filter的卷积组合比使用一个大的filter更有优势: 假设我们使用3个
- 多个卷积层与非线性激活函数交替使用的堆叠结构,比单一卷积层更能提取更深层次的结构特征,多个非线性激活函数的重叠能提高决策函数的表达能力。毕竟对于非线性神经网络,层数越多,能力越强。
- 使用一个大尺寸filter的卷积层比使用几个小尺寸的卷积层的参数更多。假设输入图片有
C 个通道,那么单独的7×7 的卷积层会产生72C2=49C2 个参数,而3个3×3 的卷积层的组合只产生3×(32C2)=27C2 个参数,减少了81% 。
这是VGG常用的几个结构。convX-Y 表示过滤器的边长为X,深度为Y。从上表可以看出,VGG模型中的过滤器边长一般为3或者1。使用边长为1的过滤器的作用是在不影响输入输出维数的情况下,对输入进行线性变换,然后通过激活函数进行非线性处理,增加网络的非线性表达能力。
与LeNet—5模型相比,VGG模型最大的不同时使用了5个阶段的卷积特征提取,每个阶段又使用多个卷积层。两个模型在池化层和全连接层几乎相同。比如这里使用尺寸为
总结
VGG模型使用更深的卷积层进行特征提取,模型的表达能力变强,识别精度上升。但是相比其他模型,VGG模型参数量大(主要来源于第一层卷积层),耗费更多的计算资源,导致更多的内存占用。
参考资料
[1] 《 Very Deep Convolutional Networks for Large-Scale Image Recognition 》
- 卷积神经网络经典模型——VGG
- 卷积神经网络——VGG
- 卷积神经网络CNN经典模型整理(AlexNet,GoogleNet,VGG,Deep Residual Learning)
- 卷积神经网络CNN经典模型整理Lenet,Alexnet,Googlenet,VGG,Deep Residual Learning
- 卷积神经网络CNN经典模型整理Lenet,Alexnet,Googlenet,VGG,Deep Residual Learning
- 卷积神经网络CNN经典模型整理Lenet,Alexnet,Googlenet,VGG,Deep Residual Learning
- 卷积神经网络CNN经典模型整理Lenet,Alexnet,Googlenet,VGG,Deep Residual Learning
- 深度学习--卷积神经网络CNN经典模型:Lenet、Alexnet、GoogleNet、VGG、Deep Residual Learning
- 卷积神经网络CNN经典模型整理Lenet,Alexnet,Googlenet,VGG,Deep Residual Learning
- 深度学习方法:卷积神经网络CNN经典模型整理Lenet,Alexnet,Googlenet,VGG,ResNet
- 卷积神经网络CNN经典模型整理Lenet,Alexnet,Googlenet,VGG,Deep Residual Learning
- 卷积神经网络CNN经典模型Lenet,Alexnet,Googlenet,VGG,Deep Residual Learning
- 卷积神经网络CNN经典模型整理Lenet,Alexnet,Googlenet,VGG,Deep Residual Learning
- 卷积神经网络CNN经典模型整理(AlexNet,GoogleNet,VGG,Deep Residual Learning)
- 深度学习方法:卷积神经网络CNN经典模型整理Lenet,Alexnet,Googlenet,VGG,Deep Residual Learning
- 【转载】卷积神经网络CNN经典模型整理(AlexNet,GoogleNet,VGG,Deep Residual Learning)
- 卷积神经网络CNN经典模型整理Lenet,Alexnet,Googlenet,VGG,Deep Residual Learning,squeezenet
- 卷积神经网络CNN经典模型整理Lenet,Alexnet,Googlenet,VGG,Deep Residual Learning
- 用循环(for\while\do...while)打印1到100的整数加和
- 处理机管理(进程管理)
- 『0001』
- [BZOJ1880][SDOI2009]Elaxia的路线(SPFA+拓扑排序+DP)
- jsp+servlet(2)
- 卷积神经网络经典模型——VGG
- 深恶痛绝的No mapping found for HTTP request with URI
- 欢迎使用CSDN-markdown编辑器
- redis的入门学习
- python爬虫爬取斗鱼网站信息(模拟翻页操作)
- C语言 穷举n位二进制数
- 『0002』
- Uboot1.1.16源代码完全注释笔记
- linux中的定时和延时任务