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:
本文共 291 字,大约阅读时间需要 1 分钟。
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:
转载于:https://www.cnblogs.com/fangpengchengbupter/p/8391241.html