简介
VGG不仅在分类和定位中表现优异，而且可以应用到其他场景。Faster R-CNN，Fast R-CNN中特征提取部分应用了VGG-16网络
网络基本构成及方法
训练输入为224*224*3大小的RGB图像，需要减去图像均值，用一堆3*3,1*1的小卷积核进行卷积处理，连接max pooling。最后连接3个全连接层，softmax分类器，网络结构使用ReLU激活
VGG网络结构：
模型A-E：只增加深度，其他不变(增加3*3卷积核)
测试效果：
标签：效果 blog img post softmax soft pool 结构 特征
VGG不仅在分类和定位中表现优异，而且可以应用到其他场景。Faster R-CNN，Fast R-CNN中特征提取部分应用了VGG-16网络
训练输入为224*224*3大小的RGB图像，需要减去图像均值，用一堆3*3,1*1的小卷积核进行卷积处理，连接max pooling。最后连接3个全连接层，softmax分类器，网络结构使用ReLU激活
VGG网络结构：
模型A-E：只增加深度，其他不变(增加3*3卷积核)
测试效果：
标签：效果 blog img post softmax soft pool 结构 特征
原文地址：https://www.cnblogs.com/fangpengchengbupter/p/8391241.html
