VGGNet

2014年提出

亮点

• 通过堆叠多个3*3的卷积核来替代大尺寸卷积核，减少所需参数

在卷积神经网络中，决定某一层输出结果中一个元素所对应的输入层的区域大小，被称作感受野。可以通过堆叠两个33的卷积核替代55的卷积核，堆叠三个33的卷积核替代77的卷积核，他们拥有相同的感受野

$F(i) = (F(i+1) - 1) * Stride *Ksize$

$F(i)$为第$i$层的感受野

$Stride$为第$i$层的步距

$Ksize$为卷积核或采样核的尺寸

网络结构

• conv的stride为1， padding为1
• maxpool的size为2，stride为2