17、基于VGG-16和VGG-19的疾病图像分类模型研究

基于VGG-16和VGG-19的疾病图像分类模型研究

1. VGG网络架构介绍

1.1 VGG-16架构

VGG-16的架构包含一系列卷积层、池化层和全连接层，具体如下：
1. 进行64个滤波器的卷积操作。
2. 64个滤波器的卷积操作 + 最大池化（步长2x2，大小2）。
3. 128个滤波器的卷积操作。
4. 128个滤波器的卷积操作 + 最大池化（步长2x2，大小2）。
5. 256个滤波器的卷积操作（重复3次） + 最大池化（步长2x2，大小2）。
6. 512个滤波器的卷积操作（重复3次） + 最大池化（步长2x2，大小2）。
7. 512个滤波器的卷积操作（重复3次） + 最大池化（步长2x2，大小2）。
8. 全连接层，包含4096个节点（重复2次）。
9. 输出层，使用Softmax激活函数，包含1000个节点。

隐藏层使用ReLU激活函数，部分网络包含局部响应归一化（LRN），但这种归一化对训练数据集的性能提升不大，还可能增加内存消耗和计算时间。

1.2 VGG-19架构

VGG-19是VGG-16的改进版本，在VGG-16的基础上增加了3个卷积层，因此共有19个卷积层。它同样以224x224的RGB图像作为输入，矩阵形状为(224, 224, 3)。在预处理阶段，会从每个像素中减去RGB值。其具体层结构如下：
1. Conv3x3(64)（重复2次） + MaxPool
2. Conv3x3(128)（重复2次） + MaxPool
3. Conv3x3(256)（重复4次） + MaxPool