VGG16原理及其Pytorch实现

2020-06-21 490点热度 1人点赞

VGG是由Simonyan 和Zisserman在文献《Very Deep Convolutional Networks for Large Scale Image Recognition》中提出卷积神经网络模型,其名称来源于作者所在的牛津大学视觉几何组(Visual Geometry Group)的缩写。

该模型参加2014年的 ImageNet图像分类与定位挑战赛,取得了优异成绩:在分类任务上排名第二,在定位任务上排名第一。

VGG中根据卷积核大小卷积层数目的不同,可分为AA-LRN,B,C,D,E共6个配置(ConvNet Configuration),其中以D,E两种配置较为常用,分别称为VGG16VGG19

下图给出了VGG的六种结构配置:

创建vgg.py

然后在同级目录创建文件run.py

VGGNet简单灵活,扩展性很强,并且迁移到其他数据集上的泛化能力也很好,因此时至今日有很多检测与分割算法任采用VGGNet的网络骨架。

隐藏内容需要支付:¥5

未经允许不得转载!VGG16原理及其Pytorch实现

本文地址:https://ai.52learn.online/894

站长邮箱:ai52learn@foxmail.com