VGG詳解_基於up主總結

其發表的原論文地址：https://arxiv.org/abs/1409.1556

參考來自：

up主的b站鏈接：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年由牛津大學著名研究組 VGG（Visual Geometry Group）提出，斬獲該年 ImageNet 競賽中 Localization Task（定位任務）第一名和 Classification Task（分類任務）第二名。共提及出了四種不同深度層次的網絡結構，分別是11、13、16、19層。

這些網絡結構如圖所示

 

 

　　conv3-64表示使用64個3×3的卷積核 ，maxpool表示使用2×2的最大值池化核，FC-4096表示具有4096個神經元的全連接層（其中FC-1000未使用ReLU激活函數，前兩個有使用），注意，對於卷積核，默認stride為1，spadding為1，size為3*3，采用的池化核是2*2，

　　最常用的網絡結構有兩個，分別是：VGG16（圖中的D）和VGG19（圖中的E），二者最大的差別就是網絡深度的不同。

感受野

　　輸出feature map上的一個單元 對應 輸入層上的區域大小。以如下圖為例，輸出層 layer3 中一個單元 對應 輸入層 layer2 上區域大小為2×2（池化操作），對應輸入層 layer1 上大小為5×5

計算公式為：F(i)=(F(i+1)−1)×Stride +Ksize

• F(i)為第 i層感受野
• Stride為第 i層的步距
• Ksize為 卷積核 或 池化核 尺寸

 

 

 

以圖中計算：

Feature map:F(3)=1

Pool1：F(2)=(1−1)×2+2=2

Conv1: F(1)=(2−1)×2+3=5

論證：兩個3×3的卷積核感受野相當於一個5x5的卷積核，三個3×3的卷積核感受野相當於一個7x7的卷積核

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網絡：

　　分為卷積層提取特征和全連接層分類兩個模塊：

 

 代碼如下：

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            # 卷積層提取特征
        self.classifier = nn.Sequential(    # 全連接層進行分類
            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)

 

 

 

其他內容待補充。。。。。。