经典卷积神经网络——VGGNet
本文内容同个人微信号推送文章:经典卷积神经网络(Classic Convolutional Neural Networks)
♥,.*,.♥,.*,.♥,.*,.♥,.*♥,.*,.♥,.*,.♥,.*,.♥,.*,.♥,.*,.♥,.*,.♥,.*,.♥♥,.*,.♥,.*,.♥,.*,.♥,.*♥,.*,.♥,.*,.♥,.*,.♥,.*,.♥,.*,.♥,.*,.♥,.*,.♥
VGGNet是牛津大学计算机视觉组(University of Oxford)和Google DeepMind与204年提出的卷积神经网络。VGGNet通过反复的堆叠3*3的小型卷积核和2*2的最大池化层,构建了16-19层深的卷积神经网络。其取得了ILSVRC 2014比赛分类项目的第2名和定位项目的第1名。
VGGNet的网络结构图如下图所示:
特点1:
The Use of 1×1 and 3×3 Filters(Reduce the number of parameters)
两个3x3卷积核叠加,相当于一个5x5的卷积核的覆盖范围。但是训练的参数减少了。
By using 2 layers of 3×3 filters, it actually have already covered 5×5 area as in the above figure.
filters | number of parameters |
1 layer of 5*5 filter | 5*5=25 |
2 layers of 3*3 filter | 3*3+3*3=18 |
可以看到,一个5x5的卷积核需要训练25个参数,而2层3x3的卷积核需要训练的参数为18个。训练的参数减少,可以加快模型的训练速度,同时避免模型的过拟合。
特点2:
VGGNet的卷积结构中,引入了1*1的卷积核,不影响输入输出维度的情况下,引入非线性变化。增强的网络表达能力,降低计算量。
特点3:
Data Augmentation(Multi-Scale)
通过随机将图像裁剪成224*224尺寸;或者将图片缩放成256×256、284*384尺寸,实现数据的增强。使得模型更加准确。
特点4:
在训练的时候,可以先训练简单的(层数较少)的VGGNet的A级网络,然后使用A网络的权重初始化后面的复杂模型,加快模型的收敛速度。
♥,.*,.♥,.*,.♥,.*,.♥,.*♥,.*,.♥,.*,.♥,.*,.♥,.*,.♥,.*,.♥,.*,.♥,.*,.♥♥,.*,.♥,.*,.♥,.*,.♥,.*♥,.*,.♥,.*,.♥,.*,.♥,.*,.♥,.*,.♥,.*,.♥,.*,.♥
广告时间:
本宝宝开通了一个公众号,记录日常的深度学习和强化学习笔记。
希望大家可以共同进步,嘻嘻嘻!求关注,爱你呦!