VGG16网络模型_vgg16模型图

作者：IT小白 | 2024-02-18 02:47:13

踩

vgg16模型图

在这里插入图片描述
该网络提出了卷积神经网络的深度增加和小卷积核的使用对网络的最终分类识别效果有很大的作用。后两个网络对卷积核的开刀的优化方法也证明了这一观点。

在论文的实验中，证明了在大规模图像识别任务中卷积神经网络的深度对准确率的影响。主要的贡献是利用带有很小卷积核（3*3）的网络结构对逐渐加深的网络进行评估，结果表明通过加深网络深度至16-19层可以极大地改进前人的网络结构。网络结构如下
在这里插入图片描述

网络参数设置
输入为的经过去均值处理的224x224大小的RGB图片。
卷积核大小均是3x3，步长为1（stride = 1）Padding 为 1。
池化层均采用max pooling，但不是所有的卷积层都有池化层，池化窗口为2x2，步长为2。
所有隐藏层都接上ReLU层

如上图所示的VGG16网络带权层就达到了16层，这在当时已经很深了。网络的前半部分，每隔2~3个卷积层接一个最大池化层，4次池化共

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/IT小白/article/detail/103939