神经网络学习笔记2——VGGNet神经网络结构与感受野理解与代码_vgg 网络,特征图上一个像素点对应输入图像

系列文章目录

神经网络学习笔记1——ResNet残差网络、Batch Normalization理解与代码

---

---

前言

VGGNet是牛津大学视觉几何组(Visual Geometry Group)提出的模型，该模型在2014ImageNet图像分类与定位挑战赛 ILSVRC-2014中取得在分类任务第二，定位任务第一的优异成绩。VGGNet突出的贡献是证明了很小的卷积，通过增加网络深度可以有效提高性能。VGG很好的继承了Alexnet的衣钵同时拥有着鲜明的特点，即网络层次较深。

VGGNet模型有A-E五种结构网络，深度分别为11,11,13,16,19。其中较为典型的网络结构主要有vgg16和vgg19，两者并没有本质上的区别，只是网络深度不一样。

---

一、结构展示

1、VGG16图形化

2、VGG表格化

二、结构学习

1、特点

VGG16相比AlexNet的一个改进是采用连续的几个3x3的卷积核代替AlexNet中的较大卷积核（11x11，7x7，5x5）。

对于给定的感受野（与输出有关的输入图片的局部大小），采用堆积的小卷积核是优于采用大的卷积核，因为多层非线性层可以增加网络深度来保证学习更复杂的模式，而且代价还比较小（参数更少）。

简单来说，在VGG中，使用了3个3x3卷积核来代替7x7卷积核，使用了2个3x3卷积核来代替5x5卷积核，这样做的主要目的是在保证具有相同感知野的条件下，提升了网络的深度，在一定程度上提升了神经网络的效果。比如，3个步长为1的3x3卷积核的一层层叠加作用可看成一个大小为7的感受野（其实就表示3个3x3连续卷积相当于一个7x7卷积），其参数总量为 3x(9xC^2) ，如果直接使用7x7卷积核，其参数总量为 49x（C^2） ，这里 C指的是输入和输出的通道数。很明显，27x（C^2）小于 49x（C^2），即减少了参数；而且3x3卷积核有利于更好地保持图像性质。

3x3与7x7的参数数量对比：

2、VGG16模型详解

conv（卷积处理）的stride为1，padding为1
maxpool（最大化池化）的size为2，stride为2

input（224x224x3）——>softmax：

Conv1：

1. 通过设置步长stride=1、卷积尺寸size=3x3和卷积核64，使得高宽不变，卷积核从3个更改为64个，并调用激活函数ReLU。
2. 通过设置步长stride=1、卷积尺寸size=3x3和卷积核64，使得高宽不变，卷积核从3个更改为64个，并调用激活函数ReLU。

max pooling：
通过设置步长stride=2、池化尺寸size=2x2（效果为图像尺寸减半），池化后使得高宽从224缩减一半到112，卷积核个数不变。

Conv2：

1. 通过设置步长stride=1、卷积尺寸size=3x3和卷积核128，使得高宽不变，卷积核从64个更改为128个，并调用激活函数ReLU。
2. 通过设置步长stride=1、卷积尺寸size=3x3和卷积核128，使得高宽不变，卷积核从64个更改为128个，并调用激活函数ReLU。

max pooling：
通过设置步长stride=2、池化尺寸size=2x2（效果为图像尺寸减半），池化后使得高宽从112缩减一半到56，卷积核个数不变。

Conv3：

1. 通过设置步长stride=1、卷积尺寸size=3x3和卷积核256，使得高宽不变，卷积核从128个更改为256个，并调用激活函数ReLU。
2. 通过设置步长stride=1、卷积尺寸size=3x3和卷积核256，使得高宽不变，卷积核从128个更改为256个，并调用激活函数ReLU。
3. 通过设置步长stride=1、卷积尺寸size=3x3和卷积核256，使得高宽不变，卷积核从128个更改为256个，并调用激活函数ReLU。

max pooling：
通过设置步长stride=2、池化尺寸size=2x2（效果为图像尺寸减半），池化后使得高宽从56缩减一半到28，卷积核个数不变。

Conv4：

1. 通过设置步长stride=1、卷积尺寸size=3x3和卷积核512，使得高宽不变，卷积核从256个更改为512个，并调用激活函数ReLU。
2. 通过设置步长stride=1、卷积尺寸size=3x3和卷积核512，使得高宽不变，卷积核从256个更改为512个，并调用激活函数ReLU。
3. 通过设置步长stride=1、卷积尺寸size=3x3和卷积核512，使得高宽不变，卷积核从256个更改为512个，并调用激活函数ReLU。

max pooling：
通过设置步长stride=2、池化尺寸size=2x2（效果为图像尺寸减半），池化后使得高宽从28缩减一半到14，卷积核个数不变。

Conv4：

1. 通过设置步长stride=1、卷积尺寸size=3x3和卷积核512，使得高宽不变，卷积核个数不变，并调用激活函数ReLU。
2. 通过设置步长stride=1、卷积尺寸size=3x3和卷积核512，使得高宽不变，卷积核个数不变，并调用激活函数ReLU。
3. 通过设置步长stride=1、卷积尺寸size=3x3和卷积核512，使得高宽不变，卷积核个数不变，并调用激活函数ReLU。

max pooling：
通过设置步长stride=2、池化尺寸size=2x2（效果为图像尺寸减半），池化后使得高宽从14缩减一半到7，卷积核个数不变。

FC1：
接受输出为7x7x512，设置输出为4096节点进行全连接计算，并调用激活函数ReLU。

FC2：
接受输出为1x1x4096，设置输出为4096节点进行全连接计算，并调用激活函数ReLU。

FC3：
接受输出为1x1x4096，设置输出为1000节点进行全连接计算，并调用线性函数Linear。

softmax：
调用归一化指数函数，进行自定义概率分布分类。

---

三、感受野

感受野(receptive field)这一概念来自于生物神经科学，是指感觉系统中的任一神经元，其所受到的感受器神经元的支配范围。感受器神经元就是指接收感觉信号的最初级神经元。比如视觉的产生来自于光在个体感受器上的投射，将客观世界的物理信息转换为人能感知的神经脉冲信号。

在卷积神经网络中，感受野（Receptive Field）的定义是卷积神经网络每一层输出的特征图（feature map）上的像素点在输入图片上映射的区域大小。再通俗点的解释是，特征图上的一个点对应输入图上的区域。它是可以存在于网络中任意某层，输出仅由输入部分决定，就是指输出feature map上某个元素受输入图像上影响的区域。

四、python代码

结合VGGNet和感受野理论制作一个pytorch版本的网络模型

import torch.nn as nn
import torch



cfgs = {
    'vgg11':[64, 'M', 128, 'M', 256, 256, 'M', 512, 512, 'M', 512, 512, 'M'],
    'vgg13':[64, 64, 'M', 128, 128, 'M', 256, 256, 'M', 512, 512, 'M', 512, 512, 'M'],
    'vgg16':[64, 64, 'M', 128, 128, 'M', 256, 256, 256, 'M', 512, 512, 512, 'M', 512, 512, 512, 'M'],
    'vgg19':[64, 64, 'M', 128, 128, 'M', 256, 256, 256, 256, 'M', 512, 512, 512, 512, 'M', 512, 512, 512, 512, 'M']
}



def make_features(cfg:list):
    layers = []
    in_channels = 3
    for v in cfg:
        if v == "M":
            layers += [nn.MaxPool2d(kernel_size=2,stride=2)]
        else:
            conv2d = nn.Conv2d(in_channels,v,kernel_size=3,padding=1)
            layers += [conv2d,nn.ReLU(True)]
            in_channels = v
    # 通过非关键字传入进去
    return nn.Sequential(*layers)



class VGG(nn.Module):
    def __init__(self,features,class_num=1000,init_weights=False):
        super(VGG,self).__init__()
        self.features = features
        self.classifier = nn.Sequential(
            nn.Dropout(p=0.5),
            nn.Linear(512*7*7,4096),
            nn.ReLU(True),
            nn.Dropout(p=0.5),
            nn.Linear(2048,4096),
            nn.ReLU(True),
            nn.Linear(4096,class_num)
        )

        if init_weights:
            self._initialize_weights()

        def forward(self,x):
            x = self.features(x)
            x = torch.flatten(x,start_dim=1)
            x = self.classifier(x)
            return x

        def _initialize_weights(self):
            for m in self.modules():
                if isinstance(m,nn.Conv2d):
                    nn.init.xavier_uniform_(m.weight)
                    if m.bias is not None:
                        nn.init.constant_(m.bias,0)
                elif isinstance(m,nn.Linear):
                    nn.init.xavier_normal_(m.weight)
                    nn.init.constant_(m.bias,0)



def vgg(modul_name="vgg16",**kwargs):
    try:
        cfg = cfgs[modul_name]
    except:
        print("{} not in cfgs".format(modul_name))
        exit(-1)
    modul = VGG(make_features(cfg),**kwargs)
    return modul



vgg_model = vgg(modul_name='vgg16')
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76