VGG16网络，卷积核3*3，步长为1，填充（padding）为1；

池化2*2，步长为2

全连接层 卷积核1*1

 

Input Layer：224*224*3图像

 

Conv1-1 Layer：包含64个卷积核，kernal size：3*3*3，stride:1，padding：1

                           输入图像：224*224*3

                            卷积后大小：224*224*64

Conv1-2 Layer：包含64个卷积核，kernal size：3*3*64，stride:1，padding：1

                              输入图像：224*224*64

                            卷积后大小：224*224*64

Pool1 Layer：包含64个卷积核，kernal size：2*2，stride:2，padding：0

                            输入图像：224*224*64

                            卷积后大小：112*112*64

 

Conv2-1Layer：包含128个卷积核，kernal size：3*3*64，stride:1，padding：1

                              输入图像： 112*112*64

                            卷积后大小：112*112*128

Conv2-2 Layer：包含128个卷积核，kernal size：3*3*128，stride:1，padding：1

                            输入图像： 112*112*128

                            卷积后大小：112*112*128

Pool2 Layer：包含128个卷积核，kernal size：2*2，stride:2，padding：0

                            输入图像： 112*112*128

                            卷积后大小：56*56*128

 

Conv3-1 Layer：包含256个卷积核，kernal size：3*3*128，stride:1，padding：1

                            输入图像大小：56*56*128

                            卷积后大小：56*56*256

Conv3-2Layer：包含256个卷积核，kernal size：3*3*256，stride:1，padding：1

                             输入图像大小：56*56*256

                            卷积后大小：56*56*256

Conv3-3 Layer：包含256个卷积核，kernal size：3*3*256，stride:1，padding：1

                           输入图像大小：56*56*256

                            卷积后大小：56*56*256

Pool3 Layer：包含256个卷积核，kernal size：2*2，stride:2，padding：0

                          输入图像大小：56*56*256

                            卷积后大小：28*28*256

 

Conv4-1 Layer：包含512个卷积核，kernal size：3*3*256，stride:1，padding：1

                           输入图像大小：28*28*256

                            卷积后大小：28*28*512

Conv4-2 Layer：包含512个卷积核，kernal size：3*3*512，stride:1，padding：1

                            输入图像大小：28*28*512

                            卷积后大小：28*28*512

Conv4-3 Layer：包含512个卷积核，kernal size：3*3*512，stride:1，padding：1

                           输入图像大小：28*28*512

                            卷积后大小：28*28*512

Pool4 Layer：包含512个卷积核，kernal size：2*2，stride:2，padding：0

                            输入图像大小：28*28*512

                            卷积后大小：14*14*512

 

Conv5-1 Layer：包含512个卷积核，kernal size：3*3*512，stride:1，padding：1

                             输入图像大小：14*14*512

                            卷积后大小：14*14*512

Conv5-2 Layer：包含512个卷积核，kernal size：3*3*512，stride:1，padding：1

                           输入图像大小：14*14*512

                            卷积后大小：14*14*512

Conv5-3 Layer：包含512个卷积核，kernal size：3*3*512，stride:1，padding：1

                            输入图像大小：14*14*512

                            卷积后大小：14*14*512

Pool5 Layer：包含512个卷积核，kernal size：2*2，stride:2，padding：0

                          输入图像大小：14*14*512

                           卷积后大小：7*7*512

 

FullConect Layer1：这里用1*1卷积核，包含4096个卷积核，

FullConect Layer2：这里用1*1卷积核，包含4096个卷积核，

FullConect Layer3：这里用1*1卷积核，包含4096个卷积核，

 

Softmax

 

由于池化只是下采样，没有权重，一般默认不计算层数

13层卷积+3层全连接   共16层（激活函数均为ReLU）