【论文笔记】VGG-2014-研读

论文原文：
https://www.robots.ox.ac.uk/~vgg/publications/2015/Simonyan15/simonyan15.pdf
论文翻译
vgg
如果上述链接失效，在这里寻找
http://noahsnail.com

论文总结：
https://my.oschina.net/u/876354/blog/1634322

https://www.cnblogs.com/itmorn/p/11217196.html

1、VGG的全称
VGG是Visual Geometry Group Network的缩写，视觉几何群网络。

2、预处理
图片的预处理就是每一个像素减去了均值。

3、VGG16中数字“16”的缘由？（19同理）
VGG结构中有13个卷积层和3个全链接层。

4、为什么池化不称作池化层？
因为池化无需计算w参数，也即没有w矩阵。

5、为什么卷积没有考虑正则，全连接考虑了正则？
因为卷积层的w个数相对少，在一定程度上可以防止过拟合，而全连接层所需计算的w参数多，故需要考虑正则以防止过拟合。

6、VGG16架构是卷积+卷积+卷积+池化，为什么不是卷积+池化，这样做的好处是什么呢？
(1)这样可以减少w的数量，可加快计算速度
(2)w个数减少可以防止过拟合
(3)网络层次深，由于每个卷积都会有一个激活函数，故可拟合更复杂的数据。

7、VGG可以用来做什么？
可以用来做迁移学习。

8、什么是迁移学习？
将一个领域的已经成熟的知识应用到其他的场景中。

9、所用卷积核和池化核的大小是多少？
卷积核大小为(3,3)，池化核大小为(2,2)。

参考
https://zhuanlan.zhihu.com/p/46282107