VGG网络详解与CNN感受野分析.pptxVIP

VGG详解VGG在2014年由牛津大学著名研究组VGG(VisualGeometryGroup)提出，斩获该年ImageNet竞 中LocalizationTask(定位任务)第一名和ClassificationTask(分类任务)第二名。

VGG详解网络中的亮点：通过堆叠多个3x3的卷积核来替代大尺度卷积核（减少所需参数）论文中提到，可以通过堆叠两个3x3的卷积核替代5x5的卷积核，堆叠三个3x3的卷积核替代7x7的卷积核。拥有相同的感受野

基本概念拓展—CNN感受野在卷积神经网络中，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(receptivefield)。通俗的解释是，输出featuremap上的一个单元对应输入层上的区域大小。

基本概念拓展—CNN感受野2x2x1MaxPool1Size:2x2Stride:24x4x1Conv1Size:3x3Stride:29x9x1outsize??insize?Fsize?2P?/S?1

基本概念拓展—CNN感受野Conv1Size:3x3Stride:2Pool1Size:2x2Stride:2感受野计算公式：F(i)?(F(i?1)?1)?Stride?KsizeF(i)为第i层感