前言
VGG网络于2014年被提出，在ImageNet数据集上面获得了定位项目的第一名和分类项目的第二名，虽然在2014年被提出的GoogLeNet网络在定位项目之外的其他项目中都取得了第一名，风头盖过了VGG，但VGG以其简约的网络结构被人使用，VGG网络参数量巨大，但提出者公开了训练好的模型，后续使用仅需在此基础上做微调，比较方便。之前做了VGG网络Paper的翻译，这篇文章介绍VGG论文理解，以及对比VGG与其他网络结构的异同。
VGG网络结构
Paper中介绍了六种结构，网络层数逐层加深，其网络效果也越来越好，先看一下结构配置：
从上图可以看到，除了结构C中用到了1x1的卷积核之外，其他均使用3x3的卷积核，3x3的卷积核既可以减少参数量，又可以增加非线性：Paper中给出7x7的卷积核与3x3的卷积核实现同样效果所需要的参数量的对比，假设在stride为1的情况下，一个7x7的卷积核扫过特征图（假设特征图的channel数为C），需要7Cx7C=49C^2个参数，而想要实现与之相同的效果，只需要三个3x3的卷积核堆叠，此时需要的参数量为3x3Cx3C=27C^2，相比可知，用小尺寸的卷积层叠加需要的参数量要少很多；与此同时，每个卷积层后面都接着ReLU激活层，这样增加了非线性，有利于提高网络对高维特征的判别能力。至于为什么选择3x3的卷积核，作者在Paper中介绍说3x3的卷积核是能够捕获图片上下左右中心概念的最小尺寸。
由上图可知，VGG网络相当巨大，远比AlexNet大得多，大部分参数集中在最后三层的全连接层，可以看到FC-1就包含102760448个参数。
模型训练
训练设置如下：
batch size： 256
momentum：0.9
regularization： L2罚项，大小为：5*10^-4
learning rate：初始学习率为0.01，当训练阶段准确率不再提升时学习率缩小10倍
尽管模型参数很多，但只需要很少的epoch就可以收敛，原因如下：
momentum：0.9
regularization： L2罚项，大小为：5*10^-4
learning rate：初始学习率为0.01，当训练阶段准确率不再提升时学习率缩小10倍
尽管模型参数很多，但只需要很少的epoch就可以收敛，原因如下：
(a) implicit regularisation imposed by greater depth and smaller conv. filter sizes;
(b) pre-initialisation of certain layers.
(b) pre-initialisation of certain layers.
输入图片尺寸：假设最小边为S，当S=224时
模型测试
测试时候改变了模型结构，原来的全连接结构改变为全卷积结构，主要是因为在测试过程会有不同尺寸的输入，用全卷积则不会影响，最后一层卷积层的输出为7x7x512，则使用4096个7x7的卷积核，设置步长为1，则可实现同样的效果。
模型评估
单尺度评估
可以得出以下几个结论：
1）A vs A-LRN：LRN对模型精度并没有多少提升
2）A——E：网络层数越深，性能越好
3）B vs C：增加1x1的卷积从而增加非线性，网络性能提升
4）C vs D：非平凡卷积核（3x3）增加非线性的同时，能够捕捉到图片信息，网络性能更好
多尺度评估
其他评估
