VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION

---

introduction

文章主要研究了卷积神经网络深度对于实际效果的影响，采用了一个3*3小尺寸卷积核，固定了其它参数，逐渐增加网络深度，在ILSVRC数据集上进行实验。

---

读完这篇论文应该明白以下几个问题：
1.为什么卷积网络中有时候会采用1*1的卷积？有什么作用？
2.大尺寸的卷积可以用小尺寸卷积替代吗？或者说大的感受野可以用几个较小感受野替代吗？
3.深度对于卷积神经网络的影响？如何设计卷积核大小？
4.LRN(from ALexNet)有没有起到作用？

一、why？

随着卷积神经网络的兴起，已经有人进行了采用较小感受野(receptive window size)和较小stride的研究，并且取得不错成果。
本文主要研究网络深度的影响，这一论文结果也基本奠定了以后网络的基本结构，给了我们很多设计上的启发，例如卷积核大小选取。

For instance, the best-performing submissions to the ILSVRC-
2013 (Zeiler & Fergus, 2013; Sermanet et al., 2014) utilised smaller receptive window size and smaller stride of the first convolutional layer。

二、overall Architecture

2.1 architecture

整个训练过程中输入大小是224224 RGB image, 唯一做的预处理就是每个像素减去了在训练集上得到RGB均值。经过了一大堆的卷积操作，使用了非常小的感受野33(which is the smallest size to capture the notion of left/right, up/down,center)，在某一项配置中使用1*1卷积（可以看为输入通道的线性变换），增加padding保持卷积后空间分辨率不变，例如3x3卷积padding是1，池化使用最大池化（不是所有卷积后边都使用最大池化），最大池化采用2x2，stride为2.

卷积操作后是3个全连接层，前两个都拥有4096个通道，最后一个是1000(分类就是1000，当然包含1000个通道)，最后一层是softmax 。

所有隐藏层使用Relu函数，值得注意得是作者提到在结构中只有一个使用了LRN，因为使用LRN在ILSVRC Dataset上表现并没有明显提升，反而增加了内存损耗和计算时间。作者又说在适用的情况下可以参考Alexnet。（踢皮球踢回去了，也没说到底有用没有）

2.2 configuration

如表格1所示，我们的参数配置从11 weight layers to 19 weight layers ,表格2展示了每一种配置对应的参数数目大小。

2.3 Discussion

本文使用的卷积配置不同于以往使用的结构，以前都使用(e.g. 11×11 with stride 4 in (Krizhevsky et al., 2012), or 7×7 with stride 2 in (Zeiler & Fergus,
2013; Sermanet et al., 2014))，整个网络中都用33 的感受野，可以看到两个33 重叠卷积相当于一个55的卷积，3个33conv就相当于一个7*7的卷积（具体见附录），那么这么做有什么好处呢？

1.首先，这样做就可以有3个非线性整流单元（e.g Relu）而不是一个，可以大大增加模型的判别能力。

2. 减少模型参数（decrease the number of parameters）:
assuming that both the input and the output of a three-layer 3 × 3 convolution stack has C channels, the stack is parametrised by 3 ( 3 2 C 2 ) = 27 C 2 3(3^{2}C^{2})=27C^{2} 3(32C2)=27C2 weights; at the same time, a single 7 × 7 conv. layer would require 7 2 C 2 = 49 C 2 7^{2}C^{2}=49C^{2} 72C2=49C2 parameters.

小尺寸卷积也被其他人使用过，要不就是比本文复杂（GoogLeNet (Szegedy et al., 2014）），要不就是没有本文性能好，深度也不如本文（Ciresan et al. (2011)）。

三.总结

相比较而言，VGGNet的参数数量还是太多了，所以比较难以处理。但是，VGGNet提供了简单统一的网络结构标准，即所有的卷积核大小都是3x3的。而且MAxPooling都是每2（也有3次的）次卷积之后进行一次，卷积核的数量在每次maxpooling之后都翻一倍。此外，VGGNet最重要的贡献是证明了分类任务可以通过使用小的卷积核增加CNN的深度来提高精度。同时，作者公开了VGGNet的最好的两种权重配置（即VGG16和VGG19），它的预训练结果被用来处理很多任务。也作为特征抽取的基准被很多研究对比使用。

这篇论文基于大规模图像识别对卷积网络深度进行了多达19层的研究，结果表明深度有利于提高图像分类精度，以及在ImageNet挑战数据集上的性能可以使用传统的ConvNet架构增加深度实现（LeCun等人，1989；Krizhevsky等人，2012）。文章还展示了模型可以很好地推广到广泛的任务和数据集中。

四.Appendix

receptive window

假设输入的size为n，那么kernel size :3x3, stride:1的conv扫描一次的结果是(n-3)/1+1 = n-2，再扫描一次就是(n-2-3)/1+1=n-4。如果卷积核是5x5，那么扫描一次就是(n-5)/1+1 = n-4。其结果是一样的。VGGNet思想就是用更小更深的卷积核代替大的卷积核。

参考1点击获取介绍–感受野与重叠
参考2VGGNet简介

标签：VGGNet,卷积,深度,笔记,stride,阅读,使用,et
来源： https://blog.csdn.net/xiaoxiaomo_/article/details/116429236