VGG

Visual Geometry Group [2014]

Simonyan K , Zisserman A .Very Deep Convolutional Networks for Large-Scale Image Recognition[J].Computer Science, 2014.DOI:10.48550/arXiv.1409.1556.

完全使用小的卷积核（$3\times 3$）代替大尺寸卷积（如 AlexNet 中的 $11\times 11$ 核）

特征：

• 输入图像尺寸均为 $224\times 224$
• 均为 5 层 Max Pooling
• 所有卷积层后接 ReLU 激活
• 全系列均未使用局部响应归一化（LRN）
• 卷积部分后均为 3 层全连接（FC-4096 → FC-4096 → FC-1000）

VGG-16

结构

层名称	类型	配置	输出尺寸	参数量
input	输入层	224×224 RGB 图像	224×224×3	0
conv1_1	卷积层	3×3×64, stride=1, padding=1	224×224×64	1,792
conv1_2	卷积层	3×3×64, stride=1, padding=1	224×224×64	36,928
pool1	最大池化	2×2, stride=2	112×112×64	0
conv2_1	卷积层	3×3×128, stride=1, padding=1	112×112×128	73,856
conv2_2	卷积层	3×3×128, stride=1, padding=1	112×112×128	147,584
pool2	最大池化	2×2, stride=2	56×56×128	0
conv3_1	卷积层	3×3×256, stride=1, padding=1	56×56×256	295,168
conv3_2	卷积层	3×3×256, stride=1, padding=1	56×56×256	590,080
conv3_3	卷积层	3×3×256, stride=1, padding=1	56×56×256	590,080
pool3	最大池化	2×2, stride=2	28×28×256	0
conv4_1	卷积层	3×3×512, stride=1, padding=1	28×28×512	1,180,160
conv4_2	卷积层	3×3×512, stride=1, padding=1	28×28×512	2,359,808
conv4_3	卷积层	3×3×512, stride=1, padding=1	28×28×512	2,359,808
pool4	最大池化	2×2, stride=2	14×14×512	0
conv5_1	卷积层	3×3×512, stride=1, padding=1	14×14×512	2,359,808
conv5_2	卷积层	3×3×512, stride=1, padding=1	14×14×512	2,359,808
conv5_3	卷积层	3×3×512, stride=1, padding=1	14×14×512	2,359,808
pool5	最大池化	2×2, stride=2	7×7×512	0
flatten	展平层	-	7×7×512	0
fc6	全连接层	25088 → 4096	4096	102,764,544
fc7	全连接层	4096 → 4096	4096	16,781,312
fc8	全连接层	4096 → 1000	1000	4,097,000
softmax	分类层	-	1000	0

总参数量：138,357,544

卷积层参数计算

$${\text{kernel}}_{width}\times {\text{kernel}}_{height}\times ({\text{channels}}_{input}+1)\times {\text{channels}}_{output}$$