论文解析五：VGGNet 用于大规模图像识别的深度卷积网络

AlexNet和ZFNet网络不够规范，清晰。VGG相比前两者更加规范

AlexNet比LeNet更深更大来得到更好的精度

能不呢更深更大？选项：

• ​ 更多的全连接层（太贵）
• ​ 更多的卷积层
• ​ 将卷积层组合成块（VGG所用的）

VGG发现3 * 3卷积比5 * 5卷积效果更好，深但窄效果更好

VGG网络提出了一个VGG块

VGG块：
​

• 3 * 3卷积（填充1）（n层，m通道） ​
• 2 * 2最大池化层（步幅2）

VGG架构：

• 多个VGG块后接全连接层，相比AlexNet使用VGG块去替换整个卷积层
• 不同次数的重复块得到不同的架构VGG-16，VGG-19

1.ABSTRACT—摘要

​ VGG网络研究了卷积网络深度在大规模的图像识别环境下对准确性的影响。我们的主要贡献是使用非常小的（3×3）卷积滤波器架构对网络深度的增加进行了全面评估，这表明通过将深度推到 16-19 加权层可以实现对现有技术配置的显著改进。VGG网络对于其他数据集泛化的很好，在其它数据集上取得了最好的结果。

2.INTRODUCTION —介绍<