VGGNet

　　VGGNet是牛津大学计算机视觉组与Google DeepMind公司的研究员一起研发的深度卷积神经网络。VGGNet探索了卷积神经网络的深度与其性能之间的关系，通过反复堆叠3*3的小型卷积核核2*2的最大池化层，VGGNet成功地构建了16~19层的卷积神经网络。VGGNet相比于之前state-of-the-art网络结构，错误率大幅下降，并取得了ILSVRC 2014比赛分类项目的第二名和定位项目的第一名。VGGNet的结构非常简洁，整个网络都是使用了同样大小的卷积尺寸3*3和最大池化尺寸2*2。到目前为止，VGGNet依然经常被用来提取图像特征。VGGNet训练后的模型参数在其官网上开源了，可用在domain specific的图像分类任务上进行再训练（相当于提供了非常好的初始化权重），因此被用在了很多地方。　VGGNet是牛津大学计算机视觉组与Google DeepMind公司的