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。