2014年的VGG和ResNet架构
图像分类是我在Interview Kickstart上教授的第一个主题，该课程旨在帮助专业人员在顶级科技公司中获得就业机会。我在那里的一次讲座准备期间写了这篇文章。所以如果您对这个主题不熟悉，这篇直观的解释也可能对您有所帮助。
在本文中，我们将探讨VGG和ResNet模型；这两个模型都是卷积神经网络（CNN）在计算机视觉领域发展中具有里程碑意义和影响力的重要作品。 VGG [2]是牛津大学的一个研究团队于2014年提出的，而ResNet [3]则由微软研究人员在2015年提出。
让我们开始吧。
什么是VGG？
VGG代表Visual Geometry Group，是牛津大学的一个研究团队。在2014年，他们设计了一个用于图像分类任务的深度卷积神经网络架构，并以自己的名字命名它，即VGG。[2]
VGG网络架构
该网络有几种配置，它们都具有相同的架构，只是层数不同。最著名的是VGG16和VGG19。VGG19比VGG16更深，并且性能更好。为了简单起见，我们将重点放在VGG16上。
VGG16的架构如下图所示。我们可以看到它有16层；13个卷积层和3个全连接层。
这是一个非常简单的架构；它由6个块组成，其中前5个块包含卷积层和最大池化层，第6个块只包含全连接层。
所有卷积层都使用3×3的过滤器，步长为1，而所有最大池化层都是2×2的，步长为2，因此它们减半了输入特征图的宽度和高度。这被称为下采样，因为它减小了输出特征图的大小。
请注意，卷积层从64个滤波器开始，并在每次池化后加倍，直到达到512个滤波器。所有卷积层都使用“same”填充来保持…