3.VGG 论文总结

1. VGG：AlexNet的加强版（depth on its accuracy）

结构对比（卷积层 --> 卷积群）

2.实验中VGG卷积层深度设置

如上图所示：
红色箭头 表示 : 每个网络的结构设计（11层 -> 19层） (11层 : 8 conv. and 3 FC layers)
蓝色圈圈 表示 : 网络之间 卷积群深度增加 对比

3.补充

• 3 个 3 * 3 相当于 1 个 7 * 7， 使用小尺寸（3*3）滤波器原因：
  (1) 有更多非线性变化

  - makes the decision function more discriminative
  

  (2）参数更少

  -  7 × 7        ：      7平方*C平方 = 49*C平方   parameters
  - 3 个 3 x 3    :   3 * 3平方*C平方 = 27*C平方   parameters
  

• C结构中增加了 1 * 1 的卷积层：
  - a linear transformation of the input channels （降低维度，减少参数）
  - increase the nonlinearity of the decision function without affecting the receptive fields of the conv. layers

• 提出LRN没有用

• 深度增加，参数不会大变 （所有参数集中在全连接）

• 初始化权重 is important

4.输入数据处理

• 获得224*224

  随机裁剪（randomly cropped from rescaled training images）

   - Training image rescaling
  

  水平翻转 randomhorizontal flipping
  改变RGB通道 random RGB colour shift

• 预处理：subtracting（减） the mean RGB value