VGG面试题及详细答案（实战向、无模板味）.docxVIP

VGG面试题及详细答案（实战向、无模板味）

一、基础概念类（入门必问）

1、简单介绍一下VGG网络，它的诞生背景和核心定位是什么？

答案：VGG是2014年牛津大学视觉几何组提出的卷积神经网络模型，当年主要是为了探究网络深度对图像分类、特征提取效果的影响。在它之前，主流模型比如AlexNet，卷积核大小不统一、网络层数浅，特征提取能力有限。

VGG的核心定位很简单：用极简、统一的网络结构，通过堆叠浅层卷积层加深网络，验证深度卷积网络的性能优势。它最大的特点就是结构规整、通用性强，后续很多图像检测、分割模型都基于VGG做骨干网络。

2、VGG16和VGG19的区别是什么？数字16、19代表什么？

答案：数字代表网络可训练的权重层数，只统计卷积层和全连接层，池化层、激活层不算在内。

两者核心区别就是网络深度和参数量：

1）VGG16：13层卷积层+3层全连接层，合计16层；整体结构分为5组卷积块，卷积层数量依次是2、2、3、3、3；

2）VGG19：16层卷积层+3层全连接层，合计19层；仅在第3、4、5组卷积块中各多1层卷积，其余结构、卷积核、池化方式和VGG16完全一致。

实战中VGG16使用更多，因为VGG19层数增加后，精度提升幅度极小，但计算量和参数量明显上涨，性价比很低。

3、VGG的整体网络结构流程是什么？

答案：整体是卷积块堆叠+池化下采样+全连接分类头的固定