本文介绍了VGG19卷积神经网络的结构及其在图像处理中的应用，特别是如何在Matlab中利用预训练的VGG19模型提取图像特征。通过调整tensorflow代码，解决版本兼容问题，实现特定层特征的提取。同时提供了相关资源的下载链接。
VGG卷积神经网络是牛津大学在2014年提出来的模型。当这个模型被提出时，由于它的简洁性和实用性，马上成为了当时最流行的卷积神经网络模型。它在图像分类和目标检测任务中都表现出非常好的结果。在2014年的ILSVRC比赛中，VGG 在Top-5中取得了92.3%的正确率。有VGG16和VGG19，模型的权重由ImageNet训练而来
1、VGG结构
下面以VGG16为例来说明：
看出VGG16由13个卷积层+3个全连接层=16层构成，过程为：
经过的卷积核大小为333，stride=1，padding=1，pooling为采用2x2的max pooling方式。
(1) 输入：输入224 * 224 * 3的图片。
(2) Conv1_1+conv1_2+pool1：经过64个卷积核的两次卷积后，采用一次max pooling。经过第一次卷积后，有(3 * 3 * 3) * 64=1728个训练参数；第二次卷积后，有(3 * 3 * 64) * 64=36864个训练参数，大小
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
