经典卷积神经网络结构——VGG网络结构详解（卷积神经网络入门，Keras代码实现）

背景简介

2012年 AlexNet 在 ImageNet 上显著的降低了分类错误率，深度神经网络进入迅速发展阶段。在2014年牛津大学机器人实验室尝试构建了更深的网络，文章中称为"VERY DEEP CONVOLUTIONAL NETWORKS"，如VGG16，有16层，虽然现在看起来稀疏平常，但与 AlexNet 相比，翻了几倍。这个阶段，主要是没有解决网络太深梯度反向传播消失的问题，且受限于GPU等硬件设备的性能，所以深度网络不易于训练。不过，VGG 显然是当时最好的图像分类模型，斩获 ILSVRC 比赛冠军。顺便说下，2012年之后，标准数据集主要是ImageNet，到后来又有微软的COCO数据集。

原论文地址

https://arxiv.org/pdf/1409.1556.pdf
文章发在 ICLR( International Conference on Learning Representations) 2015会议上，截止目前引用次数为27081

个人github实现

https://github.com/uestcsongtaoli/vgg_net

模型介绍

这里重点介绍VGG16
经典卷积神经网络结构——VGG网络结构详解（卷积神经网络入门，Keras代码实现）
上图上半部分相对直观，下半部分是一种常见的普通网络结构的表示方法，下半部分最后一层不应该是4096，应该是分类问题的类别数目 num_classes。
该模型可以简单分为5个 stage，（我猜测这种思想来自于 AlexNet 的5层卷积，可以参考我写的关于AlexNet的文章结构介绍部分）每层两卷积核池化组成，最后接3层全连接用于分类。

先定义 conv block 包括卷积、BatchNormalization 和 Activation：

def conv_block(layer, filters, kernel_size=(3, 3), strides=(1, 1), padding='same', name=None):
    x = Conv2D(filters=filters,
               kernel_size=kernel_size,
               strides=strides,
               padding=padding,
               kernel_initializer="he_normal",
               name=name)(layer)
    x = BatchNormalization()(x)
    x = Activation('relu')(x)
    return x

Stage 1

卷积层Conv_1_1
卷积层Conv_1_2

池化层 max_pool_1

x = conv_block(input_layer, filters=64, kernel_size=(3, 3), name="conv1_1_64_3x3_1")
x = conv_block(x, filters=64, kernel_size=(3, 3), name="conv1_2_64_3x3_1")
x = MaxPool2D(pool_size=(2, 2), strides=(2, 2), name="max_pool_1_2x2_2")(x)

Stage 2

卷积层Conv_2_1
卷积层Conv_2_2

池化层 max_pool_2

x = conv_block(x, filters=128, kernel_size=(3, 3), name="conv2_1_128_3x3_1")
x = conv_block(x, filters=128, kernel_size=(3, 3), name="conv2_2_128_3x3_1")
x = MaxPool2D(pool_size=(2, 2), strides=(2, 2), name="max_pool_2_2x2_2")(x)

Stage 3

卷积层Conv_3_1
卷积层Conv_3_2
卷积层Conv_3_3

池化层 max_pool_3

x = conv_block(x, filters=256, kernel_size=(3, 3), name="conv3_1_256_3x3_1")
x = conv_block(x, filters=256, kernel_size=(3, 3), name="conv3_2_256_3x3_1")
x = conv_block(x, filters=256, kernel_size=(1, 1), name="conv3_3_256_3x3_1")
x = MaxPool2D(pool_size=(2, 2), strides=(2, 2), name="max_pool_3_2x2_2")(x)

Stage 4

卷积层Conv_4_1
卷积层Conv_4_2
卷积层Conv_4_3

池化层 max_pool_4

x = conv_block(x, filters=512, kernel_size=(3, 3), name="conv4_1_512_3x3_1")
x = conv_block(x, filters=512, kernel_size=(3, 3), name="conv4_2_512_3x3_1")
x = conv_block(x, filters=512, kernel_size=(1, 1), name="conv4_3_512_3x3_1")
x = MaxPool2D(pool_size=(2, 2), strides=(2, 2), name="max_pool_4_2x2_2")(x)

Stage 5

卷积层Conv_5_1
卷积层Conv_5_2
卷积层Conv_5_3

池化层 max_pool_5

x = conv_block(x, filters=512, kernel_size=(3, 3), name="conv5_1_512_3x3_1")
x = conv_block(x, filters=512, kernel_size=(3, 3), name="conv5_2_512_3x3_1")
x = conv_block(x, filters=512, kernel_size=(1, 1), name="conv5_3_512_3x3_1")
x = MaxPool2D(pool_size=(2, 2), strides=(2, 2), name="max_pool_5_2x2_2")(x)

FC Layers

3 层全连接，最后接 softmax 分类

	# FC layer 1
    x = Flatten()(x)
    x = Dense(2048)(x)
    x = BatchNormalization()(x)
    x = Dropout(0.5)(x)
    x = Activation("relu")(x)
    
    # FC layer 2
    x = Dense(1024)(x)
    x = BatchNormalization()(x)
    x = Dropout(0.5)(x)
    x = Activation("relu")(x)
    
    # FC layer 3
    x = Dense(num_classes)(x)
    x = BatchNormalization()(x)
    x = Activation("softmax")(x)

全连接层最后的 units 个数可以根据实际问题修改，我觉得4096对于10个类别的分类太多了，简单的处理了下，减少了一般的参数，毕竟实验室机器不太好呀！

这是原论文中不同深度的VGG网络结构
经典卷积神经网络结构——VGG网络结构详解（卷积神经网络入门，Keras代码实现）

个人理解

看完 VGG 你会觉得就是在 AlexNet 网络上没一层进行了改造，5个 stage 对应 AlexNet 中的5层卷积，3层全连接仍然不变。
图片输入的大小还是沿用了 224x224x3
网络更深，训练出来的效果确实比 AlexNet 有所提升
常用的 trick 都加进去了： max_pooling/batch_normalization/dropout(我没加)
调参主要是，初始化用了 he_normal；使用了不同的优化器 optimizer, 如 adamax 等
由于网络在如今看来并不是太深，所以有些任务的基础骨架仍然选择VGG

代码

VGG16 – Implementation Using Keras
https://engmrk.com/vgg16-implementation-using-keras/
VGG16 model for Keras
https://gist.github.com/baraldilorenzo/07d7802847aaad0a35d3
VGG16 model for TensorFlow
https://github.com/machrisaa/tensorflow-vgg/blob/master/vgg16.py