VGG详解

来自大佬

网络中的亮点

• 通过堆叠多个3*3的卷积核来代替大尺寸的卷积核（减少参数量）
• 论文中提到，可以通过堆叠两个33的卷积核代替55的卷积核，堆叠三个33的卷积核代替77的卷积核
  -D结构是被使用最为频繁的，vgg16=13+3(全连接层)

感受野

在卷积神经网络中，决定某一层输出结果中一个元素所对应的输入层的区域大小，被称为感受野，通俗的讲就是输出的feature map上的一个单元对应输入层上的区域大小
感受野的计算公式：F(i)=(F(i+1)-1)*Stride+Ksize（从高层往低层 计算）

• F(i)是第i层的感受野

• Stride是第层的步距

• Ksize是卷积核的大小
  怎么利用三个33的卷积核代替的77卷积核的感受野

• Feature map:F=1(VGG中默认的步距为1)

• Conv3*3(3):F=(1-1)+3=3

• Conv3*3(2):F=(3-1)+3=5

• Conv33(1):F=(5-1)+3=7
  这样采用三个33卷积核和一个77卷积核得到的感受野是一样的
  是怎么减少参数的C分别代表深度和卷积核的个数
  77所需要的参数量：77CC=49
  三个33的卷积核参数量：33CC3=27

网络结构

• Conv,stride=1,padding=1
• Maxpool=2,stride=2