VGG16模型理解

本文详细介绍了经典的VGG16卷积神经网络结构及其在图像处理中的应用过程。包括了从输入224x224x3的图片开始,经过多次不同数量的卷积核卷积操作及池化过程,最终进入全连接层前的数据处理流程。

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

VGG16作为很入门的CNN网络,同时也有很多基于VGG16的改进网络,比如用于语义分割的Segnet等。

VGG16输入224*224*3的图片,经过的卷积核大小为3x3x3,stride=1,padding=1,pooling为采用2x2的max pooling方式:


1、输入224x224x3的图片,经过64个卷积核的两次卷积后,采用一次pooling。经过第一次卷积后,c1有(3x3x3)个可训练参数

2、之后又经过两次128的卷积核卷积之后,采用一次pooling

3、再经过三次256的卷积核的卷积之后,采用pooling

4、重复两次三个512的卷积核卷积之后再pooling。

5、三次Fc


评论 4
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