VGG-19网络的特点和优点（相比vgg-16)

1. 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。