深度学习基础模型之VGG

1.VGG概述

论文：VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION
VGG是ImageNet Challenge2014年定位任务的第一名，分类任务的第二名（第一名是GoogLeNet）。VGG到现在非常多的网络结构都会用到VGG，最重要的原因就是特征提取部分VGG非常好，例如SRGAN利用VGG的特征提取的部分来得到特征图进而构造损失函数。
VGG网络结构分为好多种，但是最重要的一个点也是目前大家都认可的一个点就是，利用多个尺寸小的卷积核代替一个尺寸大的卷积核，例如三个3×3的卷积核可以代替一个7×7的卷积核，因为深度增加了，所以引入了更多的非线性，并且有更大的感受野，对特征提取非常有帮助。

2.模型配置

模型是在AlexNet的基础上进行改进的。
输入：224×224RGB图像。唯一的预处理是从每个像素中减去训练集上计算的RGB均值。
滤波器设置：就是卷积核，都是用尺寸为3×3的卷积核。用多个3×3来代替AlexNet种的大尺寸卷积核。有一些模型中还利用了1×1卷积滤波器.
1×1的卷积是对单个像素多个通道进行卷积，可以看作是多通道特征的线性变换，而且引入非线性量（后面跟激活函数），可以方便起到维度变换的目的，而且可以减少参数&