学习 深度学习7-VGGNet总结

VGGNet是由牛津大学视觉几何组（Visual Geometry Group）于2014年提出的经典卷积神经网络模型。相较于此前占据主导地位的AlexNet，VGGNet通过统一使用小尺寸卷积核与模块化的堆叠思想，显著加深了网络结构，参数总计约1.38亿

一、 模型整体架构

VGGNet共包含六种不同的网络架构（A至E），分别对应不同的深度。所有模型均由六个大的特征块（Block）组成，块与块之间通过最大池化层（MaxPooling）进行空间维度的下采样。

VGGNet摒弃了AlexNet中使用的11x11和5x5大卷积核，全面采用3x3的卷积核。大幅减少了网络参数并在每层之间插入了额外的ReLU非线性激活函数，使得模型决策函数具有更强的判别能力。

二、 VGG-16（D类）网络结构讲解

D类架构是VGGNet中最经典、应用最广泛的变体，其名称中的“16”代表该网络包含16个具有可训练权重的层（13个卷积层 + 3个全连接层）。模型输入图像尺寸固定为224 x 224 x 3（RGB三通道）。

块1

结构序列：卷积 -> ReLU -> 卷积 -> ReLU -> 最大池化

卷积层：包含2个卷积层，每层采用64个尺寸为3x3x3的卷积核。步幅（Stride）设为1，填充（Padding）设为1（保持尺寸不变）。输出特征图尺寸为 224x224x64。

激活函数：每层卷积后接入ReLU函数。

池化层：采用 2x2 的窗口，步幅设为2，填充为0。此操作将特征图空间尺寸减半，输出尺寸为112x112x64。

块2：

结构序列：卷积 -> ReLU -> 卷积 -> ReLU -> 最大池化

卷积层：包含2个卷积层，每层卷积核数量扩充至128个，尺寸仍为3x3。保持步幅1和填充1，输出尺寸为 112x112x128。

池化层：参数同块1（2x2，步幅2），输出尺寸为56x56x128。

块3：

结构序列：卷积 -> ReLU -> 卷积 -> ReLU -> 卷积 -> ReLU -> 最大池化

卷积层：包含3个卷积层，每层卷积核数量增加至256个，尺寸3x3，步幅1，填充1。输出尺寸为 56x56x256。

池化层：2x2窗口，步幅2，输出尺寸为28x28x256。

块4：

结构序列：卷积 -> ReLU -> 卷积 -> ReLU -> 卷积 -> ReLU -> 最大池化

卷积层：包含3个卷积层，卷积核数量提升至512个，尺寸3x3。步幅1，填充1，输出尺寸为 28x28x512。

池化层：2x2窗口，步幅2，输出尺寸14x14x512。

块5：

结构序列：卷积 -> ReLU -> 卷积 -> ReLU -> 卷积 -> ReLU -> 最大池化

卷积层：包含3个卷积层，每层保持512个3x3卷积核。步幅1，填充1，输出尺寸为 14x14x512。

池化层：2x2窗口，步幅2，输出尺寸为7x7x512。

块6：（全连接层）

结构序列：全连接 -> ReLU -> Dropout -> 全连接 -> ReLU -> Dropout -> 全连接 -> Softmax

第一层：展平特征图接入4096个神经元的全连接层，后接ReLU激活函数及Dropout（丢弃率0.5）以防止过拟合。

第二层：同样为4096个神经元，后接ReLU与Dropout。

第三层（输出层）：包含1000个神经元，对应ImageNet数据集的1000个类别，接入Softmax函数输出最终分类概率。

VGGNet证明了增加网络深度可以有效提升模型性能