【深度学习CV-baseline】VGG论文精读

VGG-大规模图像识别的深度卷积神经网络
一、研究背景、成果及意义
1、学习目标

这篇文章是针对卷积神经网络的深度去研究的，并且是针对大规模的图像识别任务中。

2、研究背景、成果及意义

相关研究
1、AlexNet：ILSVRC-2012分类冠军，里程牌的CNN模型
AlexNet卷积神经网络设计理念会一直沿用，前面卷积池化进行特征提取，后面FC层分类的设计思想。
2、ZFNet：ILSVRC-2013分类冠军，对AlexNet改进
仅仅是对AlexNet超参数的改变
3、OverFeat：ILSVRC-2013定位冠军，集分类、定位和检测于一体的卷积网络方法
利用全卷积网络FCN将分类、定位和检测集于一体，在本文VGG测试技巧中的Dense稠密测试就需要用到这一概念。

1、AlexNet：卷积神经网络设计的范式，里程碑式的CNN模型，其“前特征提取后分类输出”的思想沿用至今

2、ZFNet：ZFNet模型只是对AlexNet进行了超参数的改变，并未提出一种广泛使用的tricks