论文：VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION（Karen Simonyan，ICLR 2015）

这是一篇经典的论文探讨了卷积网络深度对大规模图像识别的应用，论文的主要贡献是使用3x3小卷积+提高网络深度（16-19层）来全面评估对网络精度的影响。发明了经典的网络模型VGG16、VGG19

论文在1节的introduction中介绍，随着卷积神经网络在CV领域的广泛使用，大家都在改进早期优秀的网络结构（2012年Krizhevsky等论文ImageNet Classification with Deep Convolutional Neural Networks介绍的网络），目的是取得更好的精度。例如2013年Zeiler的论文：《Visualizing and understanding convolutional neural networks》以及2014年Sermanet的论文：《OverFeat: Integrated Recognition,Localization and Detection using Convolutional Networks》，在第一个卷积层使用小的滑动窗口和小的步长。另外一个提高精度的方向是使用整张图和多尺度例如Howard在2014年的论文 《Some improvements on deep convolutional neural network based image classification》，本文作者从增加网络深度的方向提高精度，而且使用了3x3的小卷积核。

论文第2节介绍了网络结构，网络结构的搭建受到了2012年Ciresan的论文《Multi-column deep neural networks for image classification》和2012年Krizhevsky的论文《ImageNet classification with deep convolutional neural networks》的启发。

 参考博文《VGG-大规模图像识别的深度卷积网络》