1、简介

VGG网络是图像分类的经典网络之一，此网络提出了感受野元的概念，极大的提高了网络运行速度。该网络具备卷积核小、池化核小、层数深等优点。

2、感受野

VGG网络最大的亮点就是感受野，感受野概念：特征图上一点，相对原图的大小，也是卷积神经网络特征所能看到输入图像的区域。

论文中案例：

堆叠两个3X3的卷积核替代5X5的卷积核。

堆叠三个3X3卷积核替代7X7的卷积核。

目的：具有相同的感受野。

卷积公式为：F（i） = F(F(i+1)-1)xS+K。

上图感受野计算过程如下所示：

F = (1-1)X2+2 = 2;

F = (2-1)X2+3 = 5。

论文中3个3X3卷积核替代7X7卷积核感受野计算过程如下：

F3 = (1-1)X1+3 = 3

F2 = (3-1)X1+3 = 5

F1 = (5-1)X1+3 = 7。

节省参数如下：

假设输入特征矩阵深度为C，那么参数量为：7X7XCXC = 49C²

通过多个小卷积核替代后，参数量为：3X(3X3XCXC) = 27C²。

上文如有错误，恳请各位大佬指正。