VGG(2014)，3x3卷积的胜利

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。

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$3\times 3$的卷积核，通过多个$3\times 3$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$C$个channel，3个$3\times 3$的卷积层参数量为$3(3^2{C}^2)$