原文链接
https://blog.csdn.net/qq_33037903/article/details/88774615

背景简介

2012年 AlexNet 在 ImageNet 上显著的降低了分类错误率，深度神经网络进入迅速发展阶段。在2014年牛津大学机器人实验室尝试构建了更深的网络，文章中称为"VERY DEEP CONVOLUTIONAL NETWORKS"，如VGG16，有16层，虽然现在看起来稀疏平常，但与 AlexNet 相比，翻了几倍。这个阶段，主要是没有解决网络太深梯度反向传播消失的问题，且受限于GPU等硬件设备的性能，所以深度网络不易于训练。不过，VGG 显然是当时最好的图像分类模型，斩获 ILSVRC 比赛冠军。顺便说下，2012年之后，标准数据集主要是ImageNet，到后来又有微软的COCO数据集。

原论文地址

https://arxiv.org/pdf/1409.1556.pdf
文章发在 ICLR( International Conference on Learning Representations) 2015会议上，截止目前引用次数为27081

个人github实现

https://github.com/uestcsongtaoli/vgg_net

模型介绍

这里重点介绍VGG16

VGG 16

上图上半部分相对直观，下半部分是一种常见的普通网络结构的表示方法，下半部分最后一层不应该是4096，应该是分类问题的类别数目 num_classes。
该模型可以简单分为5个 stage，（我猜测这种思想来自于 AlexNet 的5层卷积，可以参考我写的关于AlexNet的文章结构介绍部分）每层两卷积核池化组成，最后接3层全连接用于分类。

先定义 conv block 包括卷积、BatchNormalization 和 Activation：

def conv_block(layer, filters, kernel_size=(3, 3), strides=(1, 1), padding='same', name=None):
    x = Conv2D(filters=filters,
               kernel_size=kernel_size,
               strides=strides,
               padding=padding,
               kernel_initializer="he_normal",
               name=name)(layer)
    x = BatchNormalization()(x)
    x = Activation('relu')(x)
    return x

Stage 1

1. 卷积层Conv_1_1
2. 卷积层Conv_1_2
3. 池化层 max_pool_1

   x = conv_block(input_layer, filters=64, kernel_size=(3, 3), name="conv1_1_64_3x3_1")
   x = conv_block(x, filters=64, kernel_size=(3, 3), name="conv1_2_64_3x3_1")
   x = MaxPool2D(pool_size=(2, 2), strides=(2, 2), name="max_pool_1_2x2_2")(x)
   

Stage 2

1. 卷积层Conv_2_1
2. 卷积层Conv_2_2
3. 池化层 max_pool_2

   x = conv_block(x, filters=128, kernel_size=(3, 3), name="conv2_1_128_3x3_1")
   x = conv_block(x, filters=128, kernel_size=(3, 3), name="conv2_2_128_3x3_1")
   x = MaxPool2D(pool_size=(2, 2), strides=(2, 2), name="max_pool_2_2x2_2")(x)
   

Stage 3

1. 卷积层Conv_3_1
2. 卷积层Conv_3_2
3. 卷积层Conv_3_3
4. 池化层 max_pool_3

   x = conv_block(x, filters=256, kernel_size=(3, 3), name="conv3_1_256_3x3_1")
   x = conv_block(x, filters=256, kernel_size=(3, 3), name="conv3_2_256_3x3_1")
   x = conv_block(x, filters=256, kernel_size=(1, 1), name="conv3_3_256_3x3_1")
   x = MaxPool2D(pool_size=(2, 2), strides=(2, 2), name="max_pool_3_2x2_2")(x)
   

Stage 4

1. 卷积层Conv_4_1
2. 卷积层Conv_4_2
3. 卷积层Conv_4_3
4. 池化层 max_pool_4

   x = conv_block(x, filters=512, kernel_size=(3, 3), name="conv4_1_512_3x3_1")
   x = conv_block(x, filters=512, kernel_size=(3, 3), name="conv4_2_512_3x3_1")
   x = conv_block(x, filters=512, kernel_size=(1, 1), name="conv4_3_512_3x3_1")
   x = MaxPool2D(pool_size=(2, 2), strides=(2, 2), name="max_pool_4_2x2_2")(x)
   

Stage 5

1. 卷积层Conv_5_1
2. 卷积层Conv_5_2
3. 卷积层Conv_5_3
4. 池化层 max_pool_5

   x = conv_block(x, filters=512, kernel_size=(3, 3), name="conv5_1_512_3x3_1")
   x = conv_block(x, filters=512, kernel_size=(3, 3), name="conv5_2_512_3x3_1")
   x = conv_block(x, filters=512, kernel_size=(1, 1), name="conv5_3_512_3x3_1")
   x = MaxPool2D(pool_size=(2, 2), strides=(2, 2), name="max_pool_5_2x2_2")(x)
   

FC Layers

3 层全连接，最后接 softmax 分类

    # FC layer 1
    x = Flatten()(x)
    x = Dense(2048)(x)
    x = BatchNormalization()(x)
    x = Dropout(0.5)(x)
    x = Activation("relu")(x)
    
    # FC layer 2
    x = Dense(1024)(x)
    x = BatchNormalization()(x)
    x = Dropout(0.5)(x)
    x = Activation("relu")(x)
    
    # FC layer 3
    x = Dense(num_classes)(x)
    x = BatchNormalization()(x)
    x = Activation("softmax")(x)

全连接层最后的 units 个数可以根据实际问题修改，我觉得4096对于10个类别的分类太多了，简单的处理了下，减少了一般的参数，毕竟实验室机器不太好呀！

这是原论文中不同深度的VGG网络结构

VGG architecture

个人理解

1. 看完 VGG 你会觉得就是在 AlexNet 网络上没一层进行了改造，5个 stage 对应 AlexNet 中的5层卷积，3层全连接仍然不变。
2. 图片输入的大小还是沿用了 224x224x3
3. 网络更深，训练出来的效果确实比 AlexNet 有所提升
4. 常用的 trick 都加进去了： max_pooling/batch_normalization/dropout(我没加)
5. 调参主要是，初始化用了 he_normal；使用了不同的优化器 optimizer, 如 adamax 等
6. 由于网络在如今看来并不是太深，所以有些任务的基础骨架仍然选择VGG

更多参考资料

1. Reading the VGG Network Paper and Implementing It From Scratch with Keras
   https://hackernoon.com/learning-keras-by-implementing-vgg16-from-scratch-d036733f2d5
2. VGG Convolutional Neural Networks Practical
   原文作者的网络，讲解详细，源码是 MATLAB
   http://www.robots.ox.ac.uk/~vgg/practicals/cnn/index.html
3. Convolutional Neural Network with VGG Architecture
   清晰的结构图
   https://betweenandbetwixt.com/2018/12/23/convolutional-neural-network-with-vgg-architecture/
4. VGG in TensorFlow
   https://www.cs.toronto.edu/~frossard/post/vgg16/

代码

1. VGG16 – Implementation Using Keras
   https://engmrk.com/vgg16-implementation-using-keras/
2. VGG16 model for Keras
   https://gist.github.com/baraldilorenzo/07d7802847aaad0a35d3
3. VGG16 model for TensorFlow
   https://github.com/machrisaa/tensorflow-vgg/blob/master/vgg16.py