打开微信,使用扫一扫进入页面后,点击右上角菜单,
点击“发送给朋友”或“分享到朋友圈”完成分享
VGG-19网络的特点和优点(相比vgg-16)
VGG 最大的特点就是通过比较彻底地采用 3x3 尺寸的卷积核来堆叠神经网络,
这样也加深整个神经网络的深度。这两个重要的改变对于人们重新定义卷积神经
网络模型架构也有不小的帮助,至少证明使用更小的卷积核并且增加卷积神经网
络的深度,可以更有效地提升模型的性能。
2.结构介绍:
(1)INPUT层:VGG16卷积神经网络默认的输入数据必须是维度为224×224×3
的图像,和 AlexNet一样,其输入图像的高度和宽度均为224,而且拥有的色彩
通道是R、G、B这三个。
(2)CONV3-64:使用的卷积核为(3*3*3)*64(卷积核大小为3*3,输入通道为3
,输出通道为64),步长为1,Padding为1。通过套用卷积通用公式,可以得
到最后输出的特征图的高度和宽度均为224,最后输出的特征图的维度为224×224×64。
3.VGG16相比AlexNet的一个改进是采用连续的3x3的卷积核代替AlexNet中的
较大卷积核(11x11,7x7,5x5),VGG16 全部采用3*3卷积核,步长统一
为1,Padding统一为1,和2*2最大池化核,步长为2,Padding统一为0
4.加深结构都使用ReLU激活函数:提升非线性变化的能力
5.VGG19比VGG16的区别在于多了3个卷积层,其它完全一样
6.VGG16基本是AlexNet(AlexNet是8层,包括5个卷积层和3个全连接层)的
加强版,深度上是其2倍,参数量大小也是两倍多。
热门帖子
精华帖子