vgg 訓練資料處理過程：
let s be the smallest side of an isotropically-rescaled training image.
各向同性的縮放訓練影象的最小邊
以s=256為例
1. 將進行等比例縮放，最小邊長度為256
2. 對等比例比變化後的影象隨機擷取224*224的影象塊
3. 對裁剪的影象塊進行隨機水平翻轉與rgb顏色轉換。
多尺度資料
訓練：影象的最小邊範圍[256, 512]， 之後隨機擷取
測試：multi crop test: center crop **裁切
dense evaluation(mult-scale evaluation): 將網路最後的三個全連線層換成三個卷積層，進行測試
VGG 16網路結構詳解
vgg，又叫vgg 16，顧名思義就是有16層，包括13個卷積層和3個全連線層，是由visual geometry group組的simonyan和zisserman在文獻 very deep convolutional networks for large scale image recognit...
深度學習 VGG16網路結構詳解
vgg16的結構層次 vgg16總共有16層，13個卷積層和3個全連線層，第一次經過64個卷積核的兩次卷積後，採用一次pooling，第二次經過兩次128個卷積核卷積後，再採用pooling，再重複兩次三個512個卷積核卷積後，再pooling，最後經過三次全連線。附上，官方的vgg16網路結構圖 ...
VGG16網路模型
該網路提出了卷積神經網路的深度增加和小卷積核的使用對網路的最終分類識別效果有很大的作用。後兩個網路對卷積核的開刀的優化方法也證明了這一觀點。在 的實驗中，證明了在大規模影象識別任務中卷積神經網路的深度對準確率的影響。主要的貢獻是利用帶有很小卷積核 3 3 的網路結構對逐漸加深的網路進行評估，結果表明...