VGGNet 是牛津大学计算机视觉组（Visual Geometry Group）和 GoogleDeepMind 公司的研究员一起研发的的深度卷积神经网络。
在ImageNet大型视觉识别挑战 ILSVRC 2014 中定位任务第一名和分类任务第二名（第一名是 GoogLeNet ，也是同年提出的）。
VGGNet 反复堆叠 3x3 小型卷积核和 2x2 最大池化层， 成功构筑16~19 层深卷积神经网络。
其突出贡献在于证明使用很小的卷积（3*3），增加网络深度可以有效提升模型的效果，而且 VGGNet 对其他数据集具有很好的泛化能力。
VGG16
卷积层：13层 3*3
全连接层：3层
Softmax 输出层
池化层：max-pooling（最大化池）2*2
所有隐层的激活单元都采用ReLU函数。
