姓名：冯莹莹；学号：21011210213；学院：通信工程学院
【嵌牛导读】VGG网络主要证明了增加网络的深度能够在一定程度上影响网络最终的性能。
【嵌牛鼻子】VGGNet
【嵌牛提问】VGGNet的结构、创新点是什么？
【嵌牛正文】
VGG有两种结构，VGG16和VGG19，两者并没有本质区别，只是网络深度不一样。VGG模型中卷积核大小全部为3*3。
VGG网络的特点：
1.使用了非常小的卷积核（3*3）搭建更深的网络结构；
2.层数更深更宽（11层、13层、16层、19层）；
3.池化核变小且为偶数；
4.网络测试阶段将训练段的三个全连接替换为三个卷积。
VGGNet的优点：
1.结构非常简洁，整个网络都使用了同样大小的卷积核尺寸（3*3）和最大池化尺寸（2*2）；
2.几个小滤波器（3*3）卷积层的组合比一个大滤波器（5*5或7*7）卷积层好；
3.验证了通过不断加深网络结构可以提升性能。
VGG16模型的结构：
1.共有13个卷积层，全部采用大小为3*3的卷积核，步长为1；
2.拥有5个大小为2*2的最大池化核，步长为2；
3.拥有3个全连接层。
##输入层
输入图片大小：224*224*3，图片在输入层进行了减均值预处理；
##conv1_1：
输入特征图大小：224*224*3
卷积核大小：3*3
卷积核数量：3*64
输出特征图大小：224*224*64
##conv1_2：
输入特征图大小：224*224*64
卷积核大小：3*3
卷积核数量：64*64
输出特征图大小：224*224*64
##pool1：最大池化
输入特征图大小：224*224*64
池化核大小：2*2
输出特征图大小：112*112*64
##conv2_1：
输入特征图大小：112*112*64
卷积核大小：3*3
卷积核数量：64*128
输出特征图大小：112*112*128
##conv2_2：
输入特征图大小：112*112*128
卷积核大小：3*3
卷积核数量：128*128
输出特征图大小：112*112*128
##pool2：最大池化
输入特征图大小：112*112*128
池化核大小：2*2
输出特征图大小：56*56*128
##conv3_1：
输入特征图大小：56*56*128
卷积核大小：3*3
卷积核数量：128*256
输出特征图大小：56*56*256
##conv3_2：
输入特征图大小：56*56*256
卷积核大小：3*3
卷积核数量：256*256
输出特征图大小：56*56*256
##conv3_3：
输入特征图大小：56*56*256
卷积核大小：3*3
卷积核数量：256*256
输出特征图大小：56*56*256
##pool3：最大池化
输入特征图大小：56*56*256
池化核大小：2*2
输出特征图大小：28*28*256
##conv4_1：
输入特征图大小：28*28*256
卷积核大小：3*3
卷积核数量：256*512
输出特征图大小：28*28*512
##conv4_2：
输入特征图大小：28*28*512
卷积核大小：3*3
卷积核数量：512*512
输出特征图大小：28*28*512
##conv4_3：
输入特征图大小：28*28*512
卷积核大小：3*3
卷积核数量：512*512
输出特征图大小：28*28*512
##pool4：最大池化
输入特征图大小：28*28*512
池化核大小：2*2
输出特征图大小：14*14*512
##conv5_1：
输入特征图大小：14*14*512
卷积核大小：3*3
卷积核数量：512*512
输出特征图大小：14*14*512
##conv5_2：
输入特征图大小：14*14*512
卷积核大小：3*3
卷积核数量：512*512
输出特征图大小：14*14*512
##conv5_3：
输入特征图大小：14*14*512
卷积核大小：3*3
卷积核数量：512*512
输出特征图大小：14*14*512
##pool5：最大池化
输入特征图大小：14*14*512
池化核大小：2*2
输出特征图大小：7*7*512
##fc6：
输入：7*7*512
输出：1*1*4096
##fc7：
输入：1*1*4096
输出：1*1*4096
##fc8：
输入：1*1*4096
输出：1*1*1000
为什么需要更深的网络？
-表达能力更强；
-学习更加简单。
