0%

VGG网络实现

Posted on 2018-04-30 Edited on 2024-07-26

网络结构

关于 VGG 的详细内容，可以去看论文 Very Deep Convolutional Networks for Large-Scale Image Recognition，这里贴出网络结构图。

卷积层表示为 conv<receptive field size>-<number of channels>，卷积步长 (stride) 为 1，填充 (padding) 大小为 1，Pooling层的窗口大小为 2x2，步长 (stride) 为 2。为了显示简洁，图中未显示ReLU层。从图中可以看出网络输入的图片的大小为 224x224x3，经过每一层后，大小变化如下所示 (以下为VGG16网络，也就是图中的网络 D)

网络层	大小
输入层	224x224x3
conv3-64	224x224x64
conv3-64	224x224x64
maxpool	112x112x64
conv3-128	112x112x128
conv3-128	112x112x128
maxpool	56x56x128
conv3-256	56x56x256
conv3-256	56x56x256
conv3-256	56x56x256
maxpool	28x28x256
conv3-512	28x28x512
conv3-512	28x28x512
conv3-512	28x28x512
maxpool	14x14x512
conv3-512	14x14x512
conv3-512	14x14x512
conv3-512	14x14x512
maxpool	7x7x512
FC	1x1x4096
FC	1x1x4096
FC	1x1x1000

PyTorch实现

VGG 网络的 PyTorch 实现可以在 vgg.py 中找到，里面实现了网络 A, B, D, E 即 VGG11, VGG13, VGG16 以及 VGG19，同时还有相对应的 Batch Normalization 版本。如果要将 VGG 网络应用到其他大小输入的图片，主要修改的参数就是最后几个全连接层的大小即可，也就是只用修改类 VGG 中 classifier 属性即可

class VGG(nn.Module):
	def __init__(self, features, num_classes=1000, init_weights=True):
        super(VGG, self).__init__()
        self.features = features
        self.classifier = nn.Sequential(
            nn.Linear(512 * 7 * 7, 4096),
            nn.ReLU(True),
            nn.Dropout(),
            nn.Linear(4096, 4096),
            nn.ReLU(True),
            nn.Dropout(),
            nn.Linear(4096, num_classes),
        )
        if init_weights:
            self._initialize_weights()

如果输入图片来自于CIFAR-10数据集，即大小为 32x32，类别数为10，经过网络的最后一个Pooling层后，输出大小为 1x1x512，因此修改类的 classifier 属性为

self.classifier = nn.Sequential(
    nn.Linear(512 * 1 * 1, 512),
    nn.ReLU(True),
    nn.Dropout(),
    nn.Linear(512, 512),
    nn.ReLU(True),
    nn.Dropout(),
    nn.Linear(512, num_classes),
)

同时在使用函数生成对应版本的网络时，设置函数参数 num_classes=10。

参考