解锁AI：（04）被VGGNet一巴掌拍懵

yeslab官方

      继AlexNet与ZFNet之后，VGGNet拿下了2014年ILSVRC（ImageNet Large Scale Visual Recognition Competition）的冠军。VGGNet是牛津大学视觉组构造的深度学习模型，整个架构的特点就是成熟二字，首先系统减少了对参数细节的思考，大量重复参数出现，其次这个网络给予用户多种架构选择，就像买车一样有高中低配，让人使用起来非常舒服。当然这些都不是本文的重点，更让人兴奋的是，这篇论文会对前面的文章重重打脸，让我们拭目以待。

      打脸LRN

      如果你熟悉我们之前的计算机视觉系列文章，应该记得我们讲过一个很玄乎的LRN层，AlexNet架构费尽心思，根据人类大脑抑制保护机制，采取了一种LRN激活抑制方法。此法相当复杂，且需要在每次激活时实施，然而这篇论文中，这种方法被VGGNet直接否定了，并且作者做了专门的对比试验来证明这个事。下图就是VGGNet 的可选结构，我们可以看到A-LRN网络就是作者为了专门打脸做的结构。

      网络配置打脸

      AlexNet使用较大的卷积核配置，例如11x11，而ZFNet将第一层改小为7x7，步幅也从4改为2，现在VGGNet站出来说“参数改来改去有什么意思”（个人笑谈），于是把所有卷积层改为3x3，部分特殊层为了实验目的改为1x1，关于1x1网络我们后文再聊，步幅也都统一为1，至此结构统一步伐整齐。看完卷积再来看看池化层，AlexNet精心研究了过载池化技术，就是使用3x3的池化大小，却使用2作为步长，这样每次池化运算都会有重复部分，而在VGGNet看来这样做完全没什么作用，于是VGGNet里面所有池化都采用2x2大小与2作为步长，这样可以节省很多参数，VGGNet的参数量见下图。

      成绩打脸

       这篇文章属于VGGNet V6版本，写于2015年，也就是Google Inception Net已出的时间，故本文的成绩在超过AlexNet和ZFNet的同时，也与最新的Google Inception Net做了比较，仿佛再说这样的话“虽然你是2015年的老大，但我2014年的冠军模型只输你0.1”。下图就是ILSVRC比赛的成绩，Krizhevsky是AlexNet，Zeiler & Fergus是ZFNet。VGGNet就讲解到这里，下回Google Inception Net 再分晓。

www.yeslab.net

念卿儿

第一

tianshaoying

太棒了

huangchengyong

太棒了

huangchengyong

太棒了厉害了

huangchengyong

我觉得太棒了

huangchengyong

简直厉害了

huangchengyong

有帮助

好喜欢你的笑

谢谢