VGGNet Modeli ve Makale İncelemesi

VGGNet modelindeki amaç derinliği 3x3’ lük kernellar kullanarak arttırmak ve bunu 16–19 katmana çıkararak resim üzerindeki özellik çıkarımını bir üst seviyeye taşımaktır. Model 224x224’lük RGB resimler üzerinde eğitilmiş ön işleme olarak ortalama RGB değeri her pikselden çıkarılmıştır. Aktivasyon fonksiyonu olarak ReLU kullanılmıştır. ConvNet modelinin konvolüsyon ve fully connected katmanları farklı sayılarda oluşturulup konfigürasyonu da yapılmıştır. (11,13,16,19 gibi). Modelde ayrıca 7x7 lik bir katman kullanmak yerine 3 tane 3x3 lük katman kullanarak birden fazla doğrusal olmayan katman ekleyerek karar fonksiyonunu daha ayırt edici hale getirir.

Bu konfigürasyonlarda model derinliği arttıkça model performansının da artış sağladığı gözlemlenmiştir. Küçük filtrelerin kullanımı ile derin ağlar fazla parametreye sahip olmadan daha etkin bir şekilde çalışabilmiştir.

Modelin makalesine https://arxiv.org/pdf/1409.1556 linkinden Python implementasyonuna ise https://github.com/s192275/AI-Implementations/blob/main/VGGNet/VGG_Implementation.ipynb linkinden ulaşabilirsiniz.