VGG(2014),3x3卷积的胜利

VGG14论文探讨了网络深度对性能的重要性,提出使用多个3x3卷积层替代大卷积核,减少参数量。通过实验,证明了深度增加、多尺度训练和测试能提升性能。VGG16和VGG19表现接近,且LRN层在实验中并未带来显著改善。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >


博客: blog.shinelee.me | 博客园 | 优快云

写在前面

VGG(2014)网络出自paper《Very Deep Convolutional Networks for Large-Scale Image Recognition》,为ILSVRC2014 localization冠军和classification亚军方法(冠军为GoogLeNet),首次提交arXiv时间为2014年9月,后发表在ICLR2015,截止20191011引用量达27612。因为出自牛津大学Visual Geometry Group,所以网络被命名为VGG,根据层数不同,又分为VGG16、VGG19等。

VGG citations

论文的主要贡献:

  • 探究了网络深度对性能的影响,通过叠加卷积层来增加深度,性能变好——“Our results yet again confirm the importance of depth in visual representations”。
  • 只使用 3 × 3 3\times 3 3×3的卷积核,通过多个 3 × 3 3 \times 3 3×3卷积层叠加来获得与大卷积核相同的感受野,同时引入更多的非线性,减少了参数。若有 C C C个channel,3个 3 × 3 3\times 3 3×3的卷积层参数量为 3 ( 3 2 C 2 ) = 27 C 2 3(3^2C^2)=27C^2 3(32C2)
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值