3.VGG 論文總結

1. VGG：AlexNet的加強版（depth on its accuracy）

結構對比（卷積層 --> 卷積羣）

2.實驗中VGG卷積層深度設置

如上圖所示：
紅色箭頭 表示 : 每個網絡的結構設計（11層 -> 19層） (11層 : 8 conv. and 3 FC layers)
藍色圈圈 表示 : 網絡之間 卷積羣深度增加 對比

3.補充

• 3 個 3 * 3 相當於 1 個 7 * 7， 使用小尺寸（3*3）濾波器原因：
  (1) 有更多非線性變化

  - makes the decision function more discriminative
  

  (2）參數更少

  -  7 × 7        ：      7平方*C平方 = 49*C平方   parameters
  - 3 個 3 x 3    :   3 * 3平方*C平方 = 27*C平方   parameters
  

• C結構中增加了 1 * 1 的卷積層：
  - a linear transformation of the input channels （降低維度，減少參數）
  - increase the nonlinearity of the decision function without affecting the receptive fields of the conv. layers

• 提出LRN沒有用

• 深度增加，參數不會大變 （所有參數集中在全連接）

• 初始化權重 is important

4.輸入數據處理

• 獲得224*224

  隨機裁剪（randomly cropped from rescaled training images）

   - Training image rescaling
  

  水平翻轉 randomhorizontal flipping
  改變RGB通道 random RGB colour shift

• 預處理：subtracting（減） the mean RGB value