全面理解VGG16模型

• VGG16的結構層次
• • 介紹結構圖
  • VGG16模型所需要的內存容量
  • 介紹卷積中的基本概念
  • 1.從input到conv1：
  • 2.從conv1到conv2之間的過渡：
  • 3.conv2到conv3：
  • 4.進入conv3：
  • 5.從conv3到conv4之間的過渡：
  • 6.最后到三層全連接FC層
  • 結論

VGG16的結構層次

vgg16總共有16層，13個卷積層和3個全連接層，第一次經過64個卷積核的兩次卷積后，采用一次pooling，第二次經過兩次128個卷積核卷積后，再采用pooling，再重復兩次三個512個卷積核卷積后，再pooling，最后經過三次全連接。附上，官方的vgg16網絡結構圖:

介紹結構圖

首先需要看懂上圖中的一些式子含義，如conv3-64，conv3-125

conv3-64 ：是指第三層卷積后維度變成64，同樣地，conv3-128指的是第三層卷積后維度變成128；

input（224x224 RGB image） ：指的是輸入圖片大小為224244的彩色圖像，通道為3，即224224*3；

maxpool ：是指最大池化，在vgg16中，pooling采用的是2*2的最大池化方法（如果不懂最大池化，下面有解釋）；

FC-4096 :指的是全連接層中有4096個節點，同樣地，FC-1000為該層全連接層有1000個節點；

padding：指的是對矩陣在外邊填充n圈，padding=1即填充1圈，5X5大小的矩陣，填充一圈后變成7X7大小；

最后補充，vgg16每層卷積的滑動步長stride=1，padding=1，卷積核大小為333；

VGG16模型所需要的內存容量

此處引用大佬的一張圖片來說明：

上圖，非常清晰地展示了每經過一次卷積或pooling后，所需要占用的內存，以及需要傳送的權重值個數。

介紹卷積中的基本概念

什么是卷積？ 最直觀的解釋，直接上圖（引用網上最火的圖片）

image為需要進行卷積的圖片，而convolved feature為卷積后得到的特征圖；那么什么是卷積的過濾器也就是filter呢？圖中黃色矩陣即為filter，image為5X5大小的一維圖像，filter為3X3大小的一維矩陣；卷積過程是：filter與image對應位置相乘再相加之和，得到此時中心位置的值，填入第一行第一列，然后在移動一個格子（stride=1），繼續與下一個位置卷積…最后得到是3X3X1的矩陣。
——這里需要注明：卷積后的結果矩陣維度=（image矩陣維數-filter矩陣維數+2xpad）/2+1，對應上圖即寬width：3=（5-3+2x0）/1+1，高height：3=（5-3+2x0）/1+1；
如果還不懂，請接著看下圖（為博主自己手寫的卷積過程圖）

在這里補充經過padding填充，那么卷積后圖片大小不會發生改變，如5X5的圖像大小，padding=1變成7X7，再用3X3的filter進行卷積，那么卷積后的寬高為（7-3+2x1）/1+1=7。

什么是maxpool？ 最大池化就是取filter對應區域內最大像素值替代該像素點值，其作用是降維。在這里，池化使用的濾波器都是2*2大小，因此池化后得到的圖像大小為原來的1/2。下圖為最大池化過程：

介紹完基本概念之后，就開始進入到理解VGG16的網絡模型了

1.從input到conv1：

由于224不太好計算，那么這里使用input圖片大小為300x300x3舉例：
圖片:
首先兩個黃色的是卷積層，是VGG16網絡結構十六層當中的第一層（Conv1_1）和第二層（Conv1_2），合稱為Conv1。

那么，第一層怎么將300x300x3的矩陣變成一個300x300x64的呢？？

假設RGB圖像為藍色框，橙色方塊為3x3x3的卷積核（即filter），那么卷積后得到的圖像應為298x298x1（此處沒有進行padding，步長為1），但是經過填充一圈的矩陣，所以得到的結果為300x300x1，在這層中有64個卷積核，那么原來的300x300x1就變成了300x300x64。

2.從conv1到conv2之間的過渡：

在上面的結構圖可以看到，第一層卷積后要經過pooling，才到第二層，那么：

這層，pooling使用的filter是2x2x64，且步長為2，那么得到的矩陣維數剛好為原來的一半，第三個維度64不改變，因為那個指的是filter個數。

3.conv2到conv3：

我們從上面的過程中知道了，input為300x300x3的圖片，經過第一層之后變成150x150x64，那么第二層里面有128個卷積核，可以推出經過第二層后得到是75x75x128。

4.進入conv3：

可知，第三層有256個卷積核，那么得到就是75x75x256

5.從conv3到conv4之間的過渡：

這里75是奇數，經過pad之后變成偶數76，那么就得到結果為38x38x256
其余的過程與上述一樣，最終得到10x10x512。

6.最后到三層全連接FC層

在全連接層中的每一個節點都與上一層每個節點連接，把前一層的輸出特征都綜合起來。在VGG16中，第一個全連接層FC1有4096個節點，上一層pool之后得到是10x10x512=51200個節點，同樣第二個全連接層FC2也有4096個節點，最后一個FC3有1000個節點。

結論

上述對VGG16進行了初步深入的理解，還有很多知識點沒寫，不足之處請多多原諒。另外本博文也參考了其他文章，圖片來源于網絡。

參考文章：

[1]: (https://blog.csdn.net/gbyy42299/article/details/78969261]
[2]: [http://mini.eastday.com/mobile/180329080222874.html#]
[3]: https://www.jianshu.com/p/a4b8b0fc7d21

總結

以上是生活随笔為你收集整理的【深度学习】全面理解VGG16模型的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。