@[TOC]

VGGNet简介

VGG原文：Very deep convolutional networks for large-scale image recognition：https://arxiv.org/pdf/1409.1556.pdf

VGG在2014年由牛津大学Visual GeometryGroup提出，获得该年lmageNet竞赛中Localization Task(定位任务)第一名和 Classification Task (分类任务)第二名。

VGG与AlexNet相比，它采用几个连续的3x3的卷积核代替AlexNet中的较大卷积核。

在VGG中，使用了3个3x3卷积核来代替7x7卷积核，使用了2个3x3卷积核来代替5*5卷积核，从而在保证具有相同感知野的条件下，提升了网络的深度，在一定程度上提升了神经网络的效果。

在论文中，作者尝试了使用5种不同的网络结构，深度分别为11,11,13,16,19，5种结构图如下所示：

其中最常用的是VGG16和VGG19，下面我们就以VGG16为例来分析它的网络结构。

VGG16网络结构

VGG16中的16指的是它由16层组成（13个卷积层 + 3个全连接层，不包括池化层）。

VGG的输入图像大小为224X224X3的三通道彩色图像，共有1000个类别。

其中卷积层的卷积核大小都为3，padding为1；池化层的kernel_size为2，stride为2。

因此

• 卷积层只改变特征图的通道数，不改变大小。（W - 3 + 2*1）/ 1 + 1 = W
• 池化层不改变特征图的通道数，大小变为原来的一半。

VGG具有明显的块结构，VGG可以分为如下六块：

1. 两个卷积 + 一个池化：conv3-64+conv3-64 + maxpool
2. 两个卷积 + 一个池化：conv3-128+conv3-128+ maxpool
3. 三个卷积 + 一个池化：conv3-256+conv3-256+conv3-256+ maxpool
4. 三个卷积 + 一个池化：conv3-512+conv3-512+conv3-512+ maxpool
5. 三个卷积 + 一个池化：conv3-512+conv3-512+conv3-512+ maxpool
6. 三个全连接：fc-4096 + fc-4096 + fc-1000(对应1000个类别)

使用pytorch搭建VGG16

为了便于理解，我们把正向传播过程分为两块，

• 一块为特征提取层（features），包括13个卷积层；
• 另一块为分类层（classify），包括3个全连接层。

features

def make_features(self):
    cfgs = [64, 64, 'MaxPool', 128, 128, 'MaxPool', 256, 256, 256, 'MaxPool', 512, 512, 512, 'MaxPool', 512, 512, 512, 'MaxPool']

    layers = []
    in_channel = 3

    for cfg in cfgs:
        if cfg == "MaxPool":    # 池化层
            layers += [nn.MaxPool2d(kernel_size=2,stride=2)]
        else:
            layers += [nn.Conv2d(in_channels=in_channel,out_channels=cfg,kernel_size=3,padding=1)]
            layers += [nn.ReLU(True)]
            in_channel = cfg
    return nn.Sequential(*layers)

classifier

【注意】：在进行全连接之前，需要现将卷积层输出的三维特征图展平为1维。

x = torch.flatten(x,start_dim=1)

self.classifier = nn.Sequential(
    nn.Linear(512 * 7 * 7, 4096),
    nn.ReLU(True),
    nn.Dropout(p=0.5),
    nn.Linear(4096, 4096),
    nn.ReLU(True),
    nn.Dropout(p=0.5),
    nn.Linear(4096, 1000)
)

完整代码

"""
#-*-coding:utf-8-*- 
# @author: wangyu a beginner programmer, striving to be the strongest.
# @date: 2022/7/1 15:01
"""
import torch
import torch.nn as nn

class VGG(nn.Module):
    def __init__(self):
        super(VGG, self).__init__()

        self.features = self.make_features()

        self.classifier = nn.Sequential(
            nn.Linear(512 * 7 * 7, 4096),
            nn.ReLU(True),
            nn.Dropout(p=0.5),
            nn.Linear(4096, 4096),
            nn.ReLU(True),
            nn.Dropout(p=0.5),
            nn.Linear(4096, 1000)
        )

    def forward(self,x):
        x = self.features(x)
        x = torch.flatten(x,start_dim=1)
        x = self.classifier(x)

        return x


    def make_features(self):
        cfgs = [64, 64, 'MaxPool', 128, 128, 'MaxPool', 256, 256, 256, 'MaxPool', 512, 512, 512, 'MaxPool', 512, 512, 512, 'MaxPool']

        layers = []
        in_channel = 3

        for cfg in cfgs:
            if cfg == "MaxPool":    # 池化层
                layers += [nn.MaxPool2d(kernel_size=2,stride=2)]
            else:
                layers += [nn.Conv2d(in_channels=in_channel,out_channels=cfg,kernel_size=3,padding=1)]
                layers += [nn.ReLU(True)]
                in_channel = cfg
        return nn.Sequential(*layers)

net = VGG()
print(net)