VGGNet笔记

卷积网络配置

1. 结构
   输入：224×224×3的RGB图像
   预处理：在训练集中，把每个像素减去均值
   卷积核：只使用了3×3和1×1两种。
   （3×3的核：最小的可以捕捉空间信息的核；1×1的核：看作对输入的线性变换）
   步长：1
   padding：1，即保持分辨率不变的same padding
   池化：5个max-pooling，窗口2×2，步长为2
   然后3个FC层，最后一个softmax
   非线性激活函数全部是ReLU函数
   第一次吐槽LRN没有用

2. 配置
   

3. 讨论
   作者认为，
   2个3×3的核≈1个5×5的核
   3个3×3的核≈1个7×7的核
   好处有2点：
   1.能使decision function更有辨识力
   2.减少参数
   然后解释1×1卷积核的用处：增加decision function的非线性性，同时不影响conv.层的感受野（因为就算1×1的卷积核也应用了ReLU函数），关于1×1卷积核详见”Network in Network”