介绍
VGGNet是2014年 ImageNet Large-ScaleVisual Recognition Challenge（ILSVRC）竞赛的第二名实现的卷积神经网络，第一名是GoogLeNet(谷歌为了纪念LeNet)。它的主要贡献是解决了网络结构设计的一个重要方面——深度。
至于为什么这个网络叫VGG，是因为Andrew Zisserman是牛津大学Visual Geometry Group（视觉几何组）的，所以叫VGG。
结构
网络的输入图像时224*224RGB的图像，预处理是对于每一个像素减去它们的均值。整体使用的卷积核大小均为3*3，这是表示左/右/上/下/中心这些模式的最小单元。在其中的一层结构使用11的卷积核，相当于输入通道的线性变换。空间池化采用5个池化层max-pooling，大小为2\2。
前面几层是卷积层的堆叠，卷积层的后面加了3个全连接层，前两个大小为4096，最后一个为1000，即1000种类别，最后一层是soft-max。所有隐藏层的激活函数都是ReLU，论文中会介绍好几种网络结构，只有其中一种使用了局部响应归一化Local Response Normalisation (LRN)。这种归一化并没有提高网络的性能，反而增加了内存的消耗和计算时间。
网络结构
表1中主要介绍了从11层的网络A到19层的网络E6中不同的网络结构。
A：和AlexNet类似，使用了8个卷积层和3个全连接层，其中卷积层用的都是33的卷积核。
A-LRN：在第1层卷积的时候使用了局部响应归一化（LRN），实际并没有提高网络的性能。
B:在结构A的基础上，stage1和stage2中分别增加一个33的卷积层，一共是10个卷积层和3个全连接层。
C:在结构B的基础上，stage3,stage4,stage5分别增加一个11的卷积层，一共是13个卷积层和3个全连接层。
D:在结构C的基础上，stage3,stage4,stage5分别增加一个33的卷积层，一共是13个卷积层和3个全连接层。
E:在结构D的基础上，stage3,stage4,stage5分别增加一个3*3的卷积层，一共是16个卷积层和3个全连接层。
各个网络所需的参数所占的内存大小，单位（M），如下：
测试
单尺度评估的实验结果
第一，我们发现使用局部响应归一化的A-LRN在A的基础上性能并没有很大提升，所以在B-E的网络结构中不再使用；
第二，我们发现top-1和top-5的错误率随着神经网络的深度增加而下降。C中使用1 *1的卷积核，增加了额外的非线性，性能比B有所提高；D中33的卷积核比C中1\1的效果好。
最后，在训练时使用scale jittering进行数据增强能有效降低错误率。关于scale jittering的介绍，参考了大牛的讲解，简单来说，就是crop size是固定的，而image size是随机可变的。举例来说，比如把crop size固定在224×224，而image的短边可以按比例缩放到[256, 512]区间的某个随机数值，然后随机偏移裁剪个224×224的图像区域。
数据增强比较常用的有2种方法：一是使用Scale Jittering，VGG和ResNet模型的训练都用了这种方法。二是尺度和长宽比增强变换，最早是Google提出来训练他们的Inception网络的。我们对其进行了改进，提出Supervised Data Augmentation方法。
具体可以参考https://zhuanlan.zhihu.com/p/23249000
多尺度评估的实验结果
测试集同样使用scale jittering，若S为单一值，则 Q = {S − 32,S,S + 32}.若 S ∈ [Smin;Smax] ，则Q = {Smin,0.5(Smin + Smax),Smax}.
结论
本文主要展示了深度对于分类网络的重要性。
简单地对VGG和AlexNet做一个比较：
相同点：
最后3个全连接层的结构相同；都有5个stage，每个stage之间都使用maxpooling
不同点：
AlexNet每个stage只含有一个卷积层，且卷积核大小为7*7；VGG每个stage含有2-4个卷积层，卷积核大小为3*3。两个33的卷积层连在一起可视为5\5的filter,三个连在一起可视为7*7的filter，假设有C个通道，那么77的卷积需要77CC=49C2个参数，而3个3*3的只需要3（33CC）=27C2个参数，由此可见，小的filter具有更少的参数，所以可以增大其Channel。
虽然VGG比AlexNet有更多的参数，更深的层次，但是VGG只需要很少的迭代次数就开始收敛，原因如下：
（a）深度和小的滤波器尺寸起到了隐式正则化的作用；
(b)VGG采用了一些预处理，对结构A全部随机初始化；后面深层的网络用结构A的参数作为前四个卷积层（应该是每个stage中的第一个Conv）和三个全连接层的初始化值，中间层随机初始化。同时，对初始化的层不减小其学习率，使其在学习过程中改变。使用随机初始化的层weights服从均值为0，方差为0.01的正态分布，biases为0.
参考文章链接：
https://blog.csdn.net/wcy12341189/article/details/56281618
https://www.jianshu.com/p/9c6d90e4f20e
https://blog.csdn.net/Teeyohuang/article/details/75214758
