VGG详解_基于up主总结

其发表的原论文地址：https://arxiv.org/abs/1409.1556

参考来自：

up主的b站链接：https://space.bilibili.com/18161609/channel/index

up主的CSDN博客：https://blog.csdn.net/qq_37541097/article/details/103482003

up主GitHub：https://github.com/WZMIAOMIAO/deep-learning-for-image-processing

VGG 在2014年由牛津大学著名研究组 VGG（Visual Geometry Group）提出，斩获该年 ImageNet 竞赛中 Localization Task（定位任务）第一名和 Classification Task（分类任务）第二名。共提及出了四种不同深度层次的网络结构，分别是11、13、16、19层。

这些网络结构如图所示

　　conv3-64表示使用64个3×3的卷积核 ，maxpool表示使用2×2的最大值池化核，FC-4096表示具有4096个神经元的全连接层（其中FC-1000未使用ReLU激活函数，前两个有使用），注意，对于卷积核，默认stride为1，spadding为1，size为3*3，采用的池化核是2*2，

　　最常用的网络结构有两个，分别是：VGG16（图中的D）和VGG19（图中的E），二者最大的差别就是网络深度的不同。

感受野

　　输出feature map上的一个单元 对应 输入层上的区域大小。以如下图为例，输出层 layer3 中一个单元 对应 输入层 layer2 上区域大小为2×2（池化操作），对应输入层 layer1 上大小为5×5

计算公式为：F(i)=(F(i+1)−1)×Stride +Ksize

• F(i)为第 i层感受野
• Stride为第 i层的步距
• Ksize为 卷积核 或 池化核 尺寸

以图中计算：

Feature map:F(3)=1

Pool1：F(2)=(1−1)×2+2=2

Conv1: F(1)=(2−1)×2+3=5

论证：两个3×3的卷积核感受野相当于一个5x5的卷积核，三个3×3的卷积核感受野相当于一个7x7的卷积核

Feature map: F=1

Conv3x3(3): F=(1−1)×1+3=3

Conv3x3(2): F=(3−1)×1+3=5

Conv3x3(1): F=(5−1)×1+3=7

pytorch搭建VGG网络：

　　分为卷积层提取特征和全连接层分类两个模块：

 代码如下：

import torch.nn as nn
import torch

class VGG(nn.Module):
    def __init__(self, features, num_classes=1000, init_weights=False):
        super(VGG, self).__init__()
        self.features = features            # 卷积层提取特征
        self.classifier = nn.Sequential(    # 全连接层进行分类
            nn.Dropout(p=0.5),
            nn.Linear(512*7*7, 2048),
            nn.ReLU(True),
            nn.Dropout(p=0.5),
            nn.Linear(2048, 2048),
            nn.ReLU(True),
            nn.Linear(2048, num_classes)
        )
        if init_weights:
            self._initialize_weights()

    def forward(self, x):
        # N x 3 x 224 x 224
        x = self.features(x)
        # N x 512 x 7 x 7
        x = torch.flatten(x, start_dim=1)
        # N x 512*7*7
        x = self.classifier(x)
        return x

    def _initialize_weights(self):
        for m in self.modules():
            if isinstance(m, nn.Conv2d):
                # nn.init.kaiming_normal_(m.weight, mode='fan_out', nonlinearity='relu')
                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_uniform_(m.weight)
                # nn.init.normal_(m.weight, 0, 0.01)
                nn.init.constant_(m.bias, 0)

其他内容待补充。。。。。。