vgg可以看成是加深版的alexnet，整個網路由卷積層和全連線層疊加而成，和alexnet不同的是，vgg中使用的都是小尺寸的卷積核(\(3\times3\))。
結構簡潔，如下圖vgg-19的網路結構
對比，前文介紹的alexnet的網路結構圖，是不是有種賞心悅目的感覺。整個結構只有\(3\times3\)的卷積層，連續的卷積層後使用池化層隔開。雖然層數很多，但是很簡潔。
小卷積核和連續的卷積層
vgg中使用的都是\(3\times3\)卷積核，並且使用了連續多個卷積層。這樣做的好處：
小池化核，使用的是\(2\times 2\)
通道數更多，特徵度更寬
每個通道代表著乙個featuremap，更多的通道數表示更豐富的影象特徵。vgg網路第一層的通道數為64，後面每層都進行了翻倍，最多到512個通道，通道數的增加，使得更多的資訊可以被提取出來。
層數更深
使用連續的小卷積核代替大的卷積核，網路的深度更深，並且對邊緣進行填充，卷積的過程並不會降低影象尺寸。僅使用小的池化單元，降低影象的尺寸。
全連線轉卷積（測試階段）
這也是vgg的乙個特點，在網路測試階段將訓練階段的三個全連線替換為三個卷積，使得測試得到的全卷積網路因為沒有全連線的限制，因而可以接收任意寬或高為的輸入，這在測試階段很重要。
如本節第乙個圖所示，輸入影象是224x224x3，如果後面三個層都是全連線，那麼在測試階段就只能將測試的影象全部都要縮放大小到224x224x3，才能符合後面全連線層的輸入數量要求，這樣就不便於測試工作的開展。
全連線轉卷積的替換過程如下：
例如\(7 \times 7 \times 512\)的層要跟4096個神經元的層做全連線，則替換為對\(7 \times 7 \times 512\)的層作通道數為4096、卷積核為\(1 \times 1\)卷積。
這個「全連線轉卷積」的思路是vgg作者參考了overfeat的工作思路，例如下圖是overfeat將全連線換成卷積後，則可以來處理任意解析度（在整張圖）上計算卷積，這就是無需對原圖做重新縮放處理的優勢。
vgg網路相比alexnet層數多了不少，但是其結構卻簡單不少。
vgg**主要是研究網路的深度對其分類精度的影響，所以按照上面的描述設計規則，作者實驗的了不同深度的網路結構
所有網路結構都遵從上面提到的設計規則，並且僅是深度不同，也就是卷積層的個數不同：從網路a中的11個加權層（8個卷積層和3個fc層）到網路e中的19個加權層（16個卷積層和3個fc層）。卷積層的寬度（通道數）相當小，從第一層中的64開始，然後在每個最大池化層之後增加2倍，直到達到512。
上圖給出了各個深度的卷積層使用的卷積核大小以及通道的個數。最後的d，e網路就是大名鼎鼎的vgg-16和vgg-19了。
alexnet僅僅只有8層，其可訓練的引數就達到了60m，vgg系列的引數就更恐怖了，如下圖（單位是百萬）
由於引數大多數集中在後面三個全連線層，所以雖然網路的深度不同，全連線層確實相同的，其引數區別倒不是特別的大。
**首先將訓練影象縮放到最小邊長度的方形，設縮放後的訓練影象的尺寸為\(s \times s\)。網路訓練時對訓練影象進行隨機裁剪，裁剪尺寸為網路的輸入尺寸\(224 \times 224\)。如果\(s =224\)，則輸入網路的影象就是整個訓練影象；如果\(s > 224\)，則隨機裁剪訓練影象包含目標的部分。
對於訓練集影象的尺寸設定，**中使用了兩種方法：
多尺度評估，測試影象的尺度抖動對效能的影響
對同一張測試影象，將其縮放到不同的尺寸進行測試，然後取這幾個測試結果的平均值，作為最終的結果（有點像整合學習，所不同的是，這裡是測試影象的尺寸不同）。使用了三種尺寸的測試影象：\(q\)表示測試影象，\(s\)表示訓練是影象尺寸：\(q = s - 32\)，\(q = s + 32\)，前面兩種是針對訓練影象是固定大小的，對於訓練時影象尺寸在一定範圍內抖動的，則可以使用更大的測試影象尺寸。\(q = \,0.5(s_ + s_),s_\}\).
評估結果如下：
評估結果表明，訓練影象尺度抖動優於使用固定最小邊s。
稠密和多裁剪影象評估
dense（密集評估），即指全連線層替換為卷積層（第一fc層轉換到7×7卷積層，最後兩個fc層轉換到1×1卷積層），最後得出乙個**的score map，再對結果求平均。
multi-crop，即對影象進行多樣本的隨機裁剪，將得到多張裁剪得到的影象輸入到網路中，最終對所有結果平均
從上圖可以看出，多裁剪的結果是好於密集估計的。而且這兩種方法確實是互補的，因為它們的組合優於其中的每一種。
由於不同的卷積邊界條件，多裁剪影象評估是密集評估的補充：當將convnet應用於裁剪影象時，卷積特徵圖用零填充，而在密集評估的情況下，相同裁剪影象的填充自然會來自於影象的相鄰部分（由於卷積和空間池化），這大大增加了整個網路的感受野，因此捕獲了更多的影象內容資訊。
依照vgg的設計原則，只使用小尺寸的\(3\times3\)卷積核以及\(2 \times 2\)的池化單元，實現乙個小型的網路模型。
最終輸出10分類，應用於cifar10，表現如下：
卷積神經網路 經典神經網路模型之VGG 16
vgg 16其中的16含義為 含有權重引數的有16層，共包含引數約為1.38億，這是乙個相當大的網路。但是其網路結構很規整簡潔，沒有那麼多的超引數，專注於構建簡單的網路結構 都是幾個卷積層後面跟乙個最大池化層 通過不斷的加深網路結構來提公升效能 但是由此也會帶來訓練的特徵數量非常大的缺點。其網路結構...
經典卷積神經網路之 VGG16
命名 16表示除pooling layer外使用conv layer的層數 1.vggnet探索了卷積神經網路的深度與其效能之間的關係，通過反覆堆疊3 3的小型卷積核和2 2的最大池化層，vggnet成功地構築了16 19層深的卷積神經網路 2.vggnet結構簡潔，整個網路都使用了同樣大小的卷積核...
VGG神經網路
第一次使用多個小的卷積核 來代替大的卷積核，兩個3 3代替乙個5 5，三個3 3代替7 7。使用多個小的卷積核可以有效地降低神經網路所需要的的引數。並且並沒減少的感受野。唯一的不足是，在進行反向傳播時，中間的卷積層可能會導致占用更多的記憶體。感受野計算公式 p i 1 pi kernel 1 str...