核心思想
- 网络越深越好；
- 但网络深不好训练->用3*3的卷积核；
核心结构：
两个连续的3×3卷积相当于5×5的感受野，3个相当于7*7：
减少了参数，有更多的relu层，增加了更多的非线性；
输入及预处理
- 输入：224*224
- 预处理：除以255或者减去128（即精度定点，因为arm等平台计算浮点数计算量较大，而减去128之后数据就是unit8的形式了）
训练：
SGD+momentum(0.9)
- batch size：256
- L2正则化，weight decay是5e-4；
- dropout在前两个全连接层后，keep——prob=0.5；
实验结果
- LRN没啥用；
- 分类误差随深度增加而降低；
图像尺度抖动、多尺度评估； - multi-crop评估比dense评估，效果更好（数据增强）；