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