按年被提到
20142015 · 3 次2026
视觉、语音与图像生成›卷积网络与图像识别·arXiv:1409.1556 · cs.CV

Very Deep Convolutional Networks for Large-Scale Image Recognition

面向大规模图像识别的极深卷积网络
Karen Simonyan, Andrew Zisserman · 2014

全用 3x3 小卷积堆到 16–19 层,验证深度的作用(VGG)

开始阅读 ↗PDFalphaXiv 讨论
被推荐 · 6 人首次 2014-09-05 · 最近 2021-06-02发表于 (No Title)
6不同的人
6活跃月份
6讨论串
88,417被引(OpenAlex)

系统评估卷积网络深度对大规模图像识别精度的影响:采用全部由 3x3 小卷积核构成的架构,把深度推到 16–19 个权重层,较此前配置有显著提升。这些结果是其 ImageNet 2014 挑战赛提交的基础,取得定位任务第一、分类任务第二;学到的表征在其他数据集上也泛化良好,两个最佳模型已公开。

HN 为什么提它

评论者把 VGG 当作简单漂亮的 vanilla ConvNet:一大摞 3x3 卷积夹着非线性与池化;它也常被用作预训练特征提取器,以及深度网络很有效的历史节点。

奠基之作难度 3 / 5约 30 分钟经得起时间
读之前最好知道
1卷积神经网络(CNN)
2反向传播与随机梯度下降
3ImageNet 与 ILSVRC 竞赛
4池化与非线性激活

学习路径

读这篇之前,按顺序读书架上的 4 篇 · 参考文献来自 OpenAlex,顺序和要点由 Claude Code 排出

先建立 ImageNet 任务、dropout 正则和早期卷积网络可视化与深度的背景,再读 VGG 如何用统一的 3x3 小卷积把网络堆深。

  1. 1
    Improving neural networks by preventing co-adaptation of feature detectors通过防止特征检测器的共适应来改进神经网络 · 2012

    VGG 的全连接层训练依赖 dropout 正则,这里是 dropout 的原始提出。

    读dropout 的基本思想:训练时随机丢弃一半特征检测器,抑制共适应;读懂它为何等价于模型平均。

  2. 2
    ImageNet Large Scale Visual Recognition ChallengeImageNet 大规模视觉识别挑战 · 2014

    VGG 的所有实验都在 ILSVRC 基准上,需要先知道任务设置与评测指标。

    读ImageNet 分类与定位任务的定义、top-5 误差指标;跳过各年参赛方法的细节。

  3. 3
    Visualizing and Understanding Convolutional Networks卷积网络的可视化与理解 · 2013

    VGG 在它的小感受野、浅层小步幅的设计思路上沿袭了这篇的分析。

    读第一层卷积核尺寸和步幅对特征的影响,以及用反卷积观察各层特征;抓住「小核更好」的线索。

  4. 4
    Going Deeper with Convolutions用卷积走得更深 · 2014

    GoogLeNet 与 VGG 同年同赛、同样走加深路线,对比能看出 VGG 结构的简洁。

    读Inception 模块与 22 层网络的整体设计;和 VGG 对比参数量与结构复杂度。

  5. 5
    Very Deep Convolutional Networks for Large-Scale Image Recognition面向大规模图像识别的极深卷积网络 · 2014 · 就是这篇

    目标论文:系统验证深度对精度的作用。

    读第 2 节的网络配置 A 到 E 与 3x3 堆叠等效大感受野的论证;第 3 节训练与测试细节;对比各配置的实验结果。

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
推荐karpathy · 2014-09

“the VGG team in close 2nd place had a very simple and beautiful "vanilla" CovnNet model”

推荐 VGG 团队这个简单漂亮的 vanilla ConvNet,用很小的 3x3 滤波器
Building a deeper understanding of images原评论 ↗
引用avallet · 2015-03

“Currently it is using a convolutional network for prediction not dissimilar to [1] or [2].”

拿它类比演示中所用的卷积预测网络
Show HN: Anime character recognizer原评论 ↗
引用gcr · 2015-04

“This year's second-place ILSVRC winner (VGG) is essentially a giant stack of 19 convolution layers with super tiny kernels, sandwiched between nonlinearities and pooling.”

引用 VGG 作为 19 层卷积加极小卷积核的深层堆叠网络
Why GEMM is at the heart of deep learning原评论 ↗
引用varelse · 2015-07

“Very Deep Convolutional Networks for Large-Scale Image Recognition (all 3x3)”

引用它说明只用 3x3 卷积是常见的设计选择
Deep learning原评论 ↗
引用nuclai · 2016-03

“The network is called VGG, paper is here: Very Deep Convolutional Networks for Large-Scale Image Recognition”

指出所用网络叫 VGG,并给出论文,作为预训练特征提取器
Turning two-bit doodles into fine artworks with deep neural networks原评论 ↗
引用godelski · 2021-06

“Then VGG[0] came out and showed that deep networks were very effective”

回顾历史:VGG 出现后证明了深层网络非常有效
Do wide and deep networks learn the same things?原评论 ↗