题目：VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION
论文下载地址：VGG论文
摘要
目的：研究深度对精度的影响
方法：使用3*3滤波器不断增加深度，16和19效果显著
成绩：在ImageNet 2014挑战赛中定位项目第1名，分类项目第2名；在其它数据集上也表现良好。
1、介绍
卷积网络（ConvNets）取得成功，得益于大规模图片库（比如ImageNet）和快速计算系统（比如GPU），也得益于ILSVRC比赛的举行。
研究深度与精度的关系，并使用小的3*3滤波器。
2、ConvNet配置
2.1 配置
输入：224*224（固定尺寸）
预处理：每个像素减去平均RGB值，其 均值为123.68,116.78,103.94.
滤波器：3*3，也有使用1*1
卷积层参数：stride=1，padding=1
最大池化层：滤波器2*2,stride=2
全连接层：3个（前两个4096个通道，最后一个为1000个，对应分类数）
最后一层：soft-max层
激活函数：ReLU
改进：取消LRN，因为没有增加精度，反而增加计算时间占用内存。
感受野：参考 感受野
重点：堆叠两个3*3的卷积核替代5*5卷积核，堆叠三个3*3的卷积核替代7*7卷积核。拥有相同的感受野，减少参数。
2.2 结构
在AlexNet第一层使用11*11滤波器，s=4；ZFNet第一层使用7*7滤波器，s=2的结构。而VGG全部使用3*3的滤波器，s=1，实现全像素卷积。通过堆叠3*3滤波器，也可以减少参数量。比如通道为C，3*3滤波器的参数量为 
,而同样通道的7*7滤波器，参数量为 
，参数量减少81%。
3 分类框架
3.1 训练
使用mini-batch gradient descent优化器，设置batch size=256，momentum=0.9.L2设置为5*10-4，dropout=0.5，学习率lr=0.01.
网络的初始化很重要。
3.3 细节
使用C++caffe工具箱，多GPU并行运行。
4 分类实验
数据集
使用ILSVRC-2012数据集，1000个类，分为三组：训练集（130万张）、验证集（5万张）、测试集（10万张）。用top-1和top-5错误率进行评价。
4.1 单尺度评估
使用LRN和没有使用LRN的效果差不多，所以后面的实验取消了LRN。
小的滤波器优于较大的滤波器。
4.2 多尺度评估
多尺度比单尺度效果更好，尤其层数越深表现越好。
4.3 多裁剪评估
两者组合效果更好。
4.4 卷积融合
