VGG16模型
一、模型框架
image.png
二、结构层次
1、一张原始图片被resize到(224,224,3)。
2、两次[3,3]卷积网络，输出的特征层为64，输出为(224,224,64)，再2X2最大池化，输出net为(112,112,64)。
3、两次[3,3]卷积网络，输出的特征层为128，输出net为(112,112,128)，再2X2最大池化，输出net为(56,56,128)。
4、三次[3,3]卷积网络，输出的特征层为256，输出net为(56,56,256)，再2X2最大池化，输出net为(28,28,256)。
5、三次[3,3]卷积网络，输出的特征层为256，输出net为(28,28,512)，再2X2最大池化，输出net为(14,14,512)。
6、三次[3,3]卷积网络，输出的特征层为256，输出net为(14,14,512)，再2X2最大池化，输出net为(7,7,512)。
7、利用卷积的方式模拟全连接层，效果等同，输出net为(1,1,4096)。共进行两次。
8、利用卷积的方式模拟全连接层，效果等同，输出net为(1,1,1000)。
三、网络主要特点
利用卷积与池化进行特征提取，最基础的卷积网络层次。
四、代码实现(tesorflow2)
https://github.com/weigesdl/Classical_convolution_network_model/blob/master/VGG16.ipynb
五、参考
https://blog.csdn.net/weixin_44791964/article/details/102585038
https://www.sohu.com/a/241338315_787107
