论文：https://arxiv.org/abs/1409.1556
译文：用于大规模图像识别的非常深的卷积网络
摘要
本文，我们研究，在大规模图像识别中，卷积网络的深度对准确度的影响。我们的主要贡献是，利用3*3的卷积核来增加网络的深度，并且做了全面的评估，当深度达到16~19个权值层时，已有最好网络的性能都能得到显著的提升。这些发现让我们在2014ImageNet挑战赛的定位和分类跟踪任务中，分别拿到了第一名和第二名的成绩。当然，我们的模型，在其他数据集上的表现也达到了当前最好的水平。我们已经公开了两种性能最好的网络模型，希望能促进深度视觉表达在计算机视觉领域之后的研究和应用。
介绍
卷积网络最近在大规模图像和视频识别中取得了很大的成功，这得益于大型公开图像库（如ImageNet），和高性能计算系统（如GPU、大规模分布式集群）。特别是ImageNet Large-Scale Visual Recognition Challenge（简称ILSVRC），作为几代大规模图像分类系统（从高维浅层特征编码到深度卷积网络）的测试平台，在深度视觉识别架构的发展中扮演着很重要的角色。
随着卷积网络在计算机视觉领域越来越重要，很多人尝试在原有架构上进行改进，以期提高准确度。例如，ILSVRC2013的冠军，在第一个卷积层使用更小的接受窗口和更小的步长。再例如，在整张图像以及多个尺寸上，稠密地训练和测试网络。而我们关注网络深度，固定网络的其他参数，然后通过添加卷积层来增加网络的深度，这是可行的，因为我们的卷积核很小（3*3）。
我们提出更准确的卷积网络，不仅在ILSVRC的分类和定位任务中表现最佳，而且可以应用到别的图像识别数据集上，甚至作为某些相对简单的pipeline（如没有微调的线性SVM深度特征分类）的一部分都能表现出优异的性能。我们已经公开两个性能最好的模型，以促进后续研究。
论文其余部分组织如下：第2节，描述我们卷积网络的配置；第3节，图像分类的训练和评估细节；第4节，对比ILSVRC分类任务中不同配置的网络；第5节，论文总结；附录A，描述我们在ILSVRC-2014中的目标定位系统；附录B，讨论“非常深的特征”在其他数据集上的泛化能力；附录C，本文的主要修订记录。
卷积网络配置
为了公平地衡量增加网络深度带来的提升，我们所有的卷积网络层设计都是根据相同的原则（受Ciresan2011和Krizhevsky2012启发）。本节中，我们首先描述卷积网络的通用结构，然后细化评估中用到的配置，再对比我们的设计和先前最好的网络。
- 架构
我们卷积网络的输入是固定尺寸的224*224RGB图像，做的唯一预处理就是对输入图像的每个像素都减去训练集的RGB均值。图像经过一堆卷积核为3*3（获取上下左右中的最小尺寸）的卷积层。
- 配置
- 讨论
我们卷积网络的配置与ILSVRC-2012和ILSVRC-2013那些性能出众的网络有很大的不同，没有在第一个卷积层使用较大的接受域（如2012，步长为4的11*11；2013，步长为2的7*7），而是在整个网络使用3*3的接受域。
所有隐含层都使用ReLU
分类框架
上一节，展示了我们网络配置的细节。这一节，我们描述分类卷积网络的训练和评估细节。
- 训练
- 测试
- 实现细节
分类实验
结论
本文，我们评估了非常深的卷积网络（达到19个权值层）在大规模图像分类中的性能表现。结果表明，深度有利于提高分类的准确度。传统卷积网络（如LeCun），增加深度也能在ImageNet数据集上取得更好的效果。附录中，展示了我们的模型在大范围的任务和数据集上的良好泛化能力，达到或者超越了较浅深度的图像表达在更复杂的识别pipeline中的效果，也再次证明了深度对视觉表达的重要性。
个人理解
1、16~19个权值层
VGG（Visual Geometry Group，牛津大学的视觉几何组）
