Réseau VGG

Les VGGNets sont une série de réseaux neuronaux convolutifs (CNN) développés par le Visual Geometry Group (VGG) de l' Université d'Oxford .

La famille VGG comprend diverses configurations avec différentes profondeurs, désignées par la lettre « VGG » suivie du nombre de couches de pondération. Les plus courantes sont VGG-16 (13 couches convolutionnelles + 3 couches entièrement connectées, 138 M de paramètres) et VGG-19 (16 + 3, 144 M de paramètres).

La famille VGG a été largement appliquée dans divers domaines de la vision par ordinateur. Un modèle d'ensemble de VGGNets a obtenu des résultats de pointe lors du défi de reconnaissance visuelle à grande échelle ImageNet (ILSVRC) en 2014. Il a été utilisé comme comparaison de base dans le document ResNet pour la classification d'images , comme réseau dans le CNN basé sur la région rapide pour la détection d'objets , et comme réseau de base dans le transfert de style neuronal .

La série a été historiquement importante en tant que modèle influent précoce conçu en composant des modules génériques, alors qu'AlexNet (2012) a été conçu « à partir de zéro ». Elle a également joué un rôle déterminant dans le changement des noyaux convolutionnels standard dans CNN de grands (jusqu'à 11 par 11 dans AlexNet) à seulement 3 par 3, une décision qui n'a été révisée que dans ConvNext (2022).

Les VGGNets ont été pour la plupart rendus obsolètes par Inception , ResNet et DenseNet . RepVGG (2021) est une version mise à jour de l'architecture.

Le principe architectural clé des modèles VGG est l'utilisation cohérente de petits filtres convolutionnels dans tout le réseau. Cela contraste avec les architectures CNN antérieures qui utilisaient des filtres plus grands, comme dans AlexNet.

Par exemple, deux convolutions empilées ensemble ont les mêmes pixels de champ récepteur qu'une seule convolution, mais cette dernière utilise des paramètres, tandis que la première utilise des paramètres (où est le nombre de canaux). La publication originale a montré que les CNN profonds et étroits surpassent considérablement leurs homologues peu profonds et larges.

La série de modèles VGG est constituée de réseaux neuronaux profonds composés de modules génériques :

1. Modules convolutifs : couches convolutives avec foulée 1, suivies d'activations ReLU.
2. Couches de max-pooling : Après quelques modules convolutionnels, couches de max-pooling avec un filtre et un pas de 2 pour sous-échantillonner les cartes de caractéristiques. Cela réduit de moitié la largeur et la hauteur, mais conserve le nombre de canaux.
3. Couches entièrement connectées : Trois couches entièrement connectées à l'extrémité du réseau, de tailles 4096-4096-1000. La dernière comporte 1000 canaux correspondant aux 1000 classes d'ImageNet.
4. Couche Softmax : Une couche Softmax génère la distribution de probabilité sur les classes.

La famille VGG comprend diverses configurations avec différentes profondeurs, désignées par la lettre « VGG » suivie du nombre de couches de poids. Les plus courantes sont VGG-16 (13 couches convolutionnelles + 3 couches entièrement connectées) et VGG-19 (16 + 3), désignées par les configurations D et E dans l'article original.

À titre d'exemple, les 16 couches convolutionnelles de VGG-19 sont structurées comme suit : où la flèche signifie une convolution 3x3 avec des canaux d'entrée et des canaux de sortie et un pas 1, suivi d'une activation ReLU. Le signifie une couche de sous-échantillonnage par maxpooling 2x2 avec pas 2.