文章目录
Very deeeo convolutional networks for large-scale image recognition
历史意义
1、开启组小卷积时代（kernel_szie=3）
2、作为后续分割网络架构的主干部分（FCN）
摘要
1、提出网络深度与精度的关系
2、使用kernel_size=3的小卷积
3、使用16-19作为网络深度
4、比赛中效果显著，代码公开
网络架构
网络基础
1、5个maxpooling Layer
2、3个fullyconnected Layer
3、1个softmax
网络衍生
VGG11-Net（A）为基础，在A之上做了五种改进，对应表格A-LRN，B，C，D，E，其中，FCN便迁移学习的VGG16-Net，A-LRN是在A中增加LRN，LRN作用相当于目前网络中的BN；B在1和2block中增加了一个kernel_size=3的卷积；C在第3、4、5个block中增加了1个kernel_szie=1；D在第3,4，5中block的kernel_size=1卷积替换为kernel_size=3卷积；E在第3，4，5个block中继续增加1个kernel_size=3的卷积。
网络特点
1、堆叠kernel_size=3的kernel
1、感受野范围：1kernel_size=5 == 2kernel_size=3
2、减小计算参数
2、提出经典kernel_size=1的卷积
借鉴NIN，引入利用1*1卷积，增加非线性激活函数，提升模型效果
