VGGNet详解
VGGNet 由牛津大学视觉几何组（Visual Geometry Group）在2014年提出，凭借极简的 3×3卷积核堆叠设计 成为经典模型，影响了后续大量网络架构。
1. 网络结构
VGGNet 的核心思想是 通过多层小卷积核（3×3）替代大卷积核，在保持感受野的同时减少参数量并增强非线性。共有6种配置（VGG11-VGG19），最常用的是 VGG16 和 VGG19（数字代表带权重的层数）。
以 VGG16 为例（输入224×224×3 RGB图像）：
| 层类型 | 参数说明 | 输出尺寸 |
|---|---|---|
| 卷积块1 | 2层3×3卷积（64通道），步长1，填充1 | 224×224×64 |
| 最大池化 | 2×2池化，步长2 | 112×112×64 |
| 卷积块2 | 2层3×3卷积（128通道） | 112×112×128 |
| 最大池化 | 2×2池化，步长2 | 56×56×128 |
| 卷积块3 | 3层3×3卷积（256通道） | 56×56×256 |
| 最大池化 | 2×2池化，步长2 | 28×28×256 |
| 卷积块4 | 3层3×3卷积（512通道） | 28×28×512 |
| 最大池化 | 2×2池化，步长2 | 14×14×512 |
| 卷积块5 | 3层3×3卷积（512通道） | 14×14×512 |
| 最大池化 | 2×2池化，步长2 | 7×7×512 |
| 全连接层 | 展平为25088维 → 4096神经元 | 4096 |
| 全连接层 | 4096 → 4096神经元 | 4096 |
| 输出层 | 4096 → 1000神经元（ImageNet类别） | 1000 |
2. 核心设计特点
(1) 小卷积核堆叠
- 3×3卷积的优势：
- 两层3×3卷积的感受野等效于一层5×5卷积，但参数量更少（2×3²=18 vs 5²=25）。
- 三层3×3卷积的感受野等效于7×7，同时引入更多非线性（ReLU）。
- 1×1卷积：在部分版本（如VGG16）中用于通道变换（类似Inception的降维）。
(2) 统一设计
- 所有卷积层使用 相同填充（padding=1） 和 步长1，保持空间分辨率不变（池化层负责降采样）。
- 全连接层参数量极大（占总数约90%），后续模型（如ResNet）通过全局平均池化（GAP）减少参数。
(3) 其他细节
- 激活函数：全部使用ReLU（AlexNet的改进延续）。
- 池化层：仅用最大池化（2×2，步长2），无重叠池化。
- 无归一化层：未使用BatchNorm（2015年后成为标配）。
3. 为什么VGGNet有效？
- 深度的重要性：证明堆叠更多卷积层可提升特征抽象能力（VGG16比AlexNet深3倍）。
- 小卷积核的高效性：参数量更少，且能捕捉更复杂的非线性特征。
- 结构规整：便于迁移学习（如提取中间层特征用于其他任务）。
4. 代码实现（PyTorch示例）
import torch.nn as nnclass VGG16(nn.Module):def __init__(self, num_classes=1000):super(VGG16, self).__init__()self.features = nn.Sequential(# 卷积块1nn.Conv2d(3, 64, kernel_size=3, padding=1),nn.ReLU(inplace=True),nn.Conv2d(64, 64, kernel_size=3, padding=1),nn.ReLU(inplace=True),nn.MaxPool2d(kernel_size=2, stride=2),# 卷积块2-5（类似结构，通道数增加）# ...（详见完整代码）# 卷积块5后接池化nn.MaxPool2d(kernel_size=2, stride=2),)self.avgpool = nn.AdaptiveAvgPool2d((7, 7)) # 自适应池化兼容不同输入尺寸self.classifier = nn.Sequential(nn.Linear(512*7*7, 4096),nn.ReLU(inplace=True),nn.Dropout(p=0.5),nn.Linear(4096, 4096),nn.ReLU(inplace=True),nn.Dropout(p=0.5),nn.Linear(4096, num_classes),)def forward(self, x):x = self.features(x)x = self.avgpool(x)x = x.view(x.size(0), -1)x = self.classifier(x)return x
5. 参数量与计算成本
- VGG16：约1.38亿参数，其中：
- 卷积层：约1470万参数（占10.6%）。
- 全连接层：约1.23亿参数（占89.4%）。
- VGG19：约1.44亿参数，深度增加但参数量增长不明显（因全连接层占比大）。
6. 优缺点
优点
- 结构简单：易于实现和扩展。
- 迁移学习友好：预训练特征广泛用于目标检测（如Faster R-CNN）、语义分割（如FCN）。
缺点
- 全连接层冗余：参数量大，易过拟合（需依赖Dropout和数据增强）。
- 计算成本高：FLOPs远超后续模型（如ResNet）。
7. 后续改进
- 全连接层替代：用全局平均池化（GAP）减少参数（如NiN、ResNet）。
- 加入BatchNorm：加速训练并提升精度（VGG16-BN）。
- 轻量化变体：如VGG-M（减少通道数）。
总结
VGGNet 以极简的 3×3卷积堆叠 证明了深度对特征学习的重要性，其规整的结构使其成为迁移学习的基石。尽管参数量大，但它在许多任务中仍是可靠的基准模型。后续模型（如ResNet）通过残差连接和瓶颈设计进一步优化了深度网络的训练效率。