VGG论文完整翻译与深度解析：Very Deep Convolutional Networks

#

论文基本信息

• 标题：Very Deep Convolutional Networks for Large-Scale Image Recognition
  • 作者：Karen Simonyan, Andrew Zisserman
    • 机构：Oxford University
      • 发表年份：2014
        • 引用数：超过8万次

          #

          摘要

          英文原文：
          In this work we investigate the effect of the convolutional network depth on their accuracy in the large-scale image recognition setting.

          中文翻译：
          在这项工作中，我们研究了卷积网络深度对大规模图像识别准确性的影响。

          #

          1. 导言

          英文原文：
          Our main finding is that depth is beneficial to the classification accuracy of the model.

          中文翻译：
          我们的主要发现是深度有利于提高模型的分类准确性。

          #

          2. 架构

          英文原文：
          We use very small 3x3 receptive field in all layers, which is convolved with the input at every pixel.

          中文翻译：
          我们在所有层中使用非常小的3x3感受野，对每个像素进行卷积。

          #

          3. 核心技术名词总结

          1. 3x3 Convolution（3x3卷积）：小卷积核堆叠
          2. Deep Architecture（深层架构）：16-19层网络
          3. VGG-16/VGG-19：经典网络配置
          4. Transfer Learning（迁移学习）：广泛用于特征提取

          #

          4. 总结

          VGG证明了网络深度对性能的关键作用，3x3卷积核堆叠成为标准设计。