配套笔记&讲解视频，点击文末名片获取
- 研究背景和动机
在 VGG 出现之前，图像识别就像“盲人摸象”：
- 计算机看一张图，只能凭感觉抓几个零散的“特征点”，
- 结果忽好忽坏，时灵时不灵。
大家发现，如果把“看图的流程”做得更深、更系统，准确率就能蹭蹭往上涨。于是“深一点的网络”成了当时的香饽饽，但问题是： - 怎么深？
- 深了会不会崩？
牛津大学的 VGG 团队（Visual Geometry Group）站出来说：
“我们不想玩花活，就想回答一个朴素的问题——
如果每一层都用最简单、最统一的小积木，一直往上摞，会发生什么？”
他们把“小积木”定成： - 统一大小（3×3）
- 统一步长（一步一格）
- 统一“粘合剂”（池化层）
就像只用一种形状的乐高方块，却硬要搭出摩天大楼。
他们想证明：
“简单 + 深度” 可能比 “复杂 + 浅层” 更给力。
2、VGG16 的创新点
- 深层网络结构（楼层更高的“特征大楼”）
- 可以把神经网络想象成一栋大楼，每一层都在提取不同层次的图像特征。
- AlexNet 就像一栋 8 层的楼，大体能看到物体的形状。
- VGG16 把楼层加高到了 16 层，每一层都更细致地加工特征，能看出更复杂、更抽象的细节。
- 小卷积核堆叠（小放大镜的组
)