一、背景介绍 VGG全称是Visual Geometry Group（视觉几何组），因为是由Oxford的Visual Geometry Group提出的。AlexNet问世之后，很多学者通过改进AlexNet的网络结构来提高自己的准确率，主要有两个方向：小卷积核和多尺度。而VGG的作者们则选择了另外一个方向，即加深网络深度。

二、网络架构 卷积网络的输入是224 * 224的RGB图像，整个网络的组成是非常格式化的，基本上都用的是3 * 3的卷积核以及 2 * 2的max pooling，少部分网络加入了1 * 1的卷积核。因为想要体现出“上下左右中”的概念，3*3的卷积核已经是最小的尺寸了。

vgg16 是哪16层

13+3 全连接

去除池化层

输入层： 224 * 224 * 3

Conv-64: 224 * 224 * 64

Conv-64: 224 * 224 * 64

Pool2: 112 * 112 * 64 //MAX POOL

Conv-128: 112 * 112 * 128

Conv-128: 112 * 112 * 128

Pool2: 56 * 56 * 128

Conv3-256: 56 * 56 * 256

Conv3-256: 56 * 56 * 256

Conv3-256: 56 * 56 * 256

Pool2: 28 * 28 * 256

Conv3-512: 28 * 28 * 512

Conv3-512: 28 * 28 * 512

Conv3-512: 28 * 28 * 512

Pool2: 14 * 14 * 512

Conv3-512: 14 * 14 * 512

Conv3-512: 14 * 14 * 512

Conv3-512: 14 * 14 * 512

Pool2: 7 * 7 * 512

FC: 1 * 1 * 4096 //DROPOUT

FC: 1 * 1 * 4096

FC: 1 * 1 * 4096

SOFTMAX：*

VGG相比于Alex-net：参数更多 层次更深 但所需的迭代次数更少（更小的滤波器）

1*1卷积核：

1. 网络更深；降低维度
2. 增加更多的非线性变换
3. 可以设置更大的步长，能在降低维度的时候尽可能的保留信息
   4.（取代FC层）

VGG16与VGG19性能基本接近，所以常用VGG16.

对比实验的六组网络