4.4 用于大规模图像识别的超深度卷积网络
2014年，K. Simonyan和A. Zisserman[4]在论文“Very Deep Convolutional Networks for Large-Scale Image Recognition”中提出了一种对图像识别的有趣贡献。该论文表明“通过将深度增加到16～19权重层，可以实现对现有技术配置的重大改进”。文中一个表示为D或VGG-16的模型具有16个深层。
一种基于Java Caffe（http://caffe.berkeleyvision.org/）的实现在ImageNet ILSVRC-2012（http://image-net.org/challenges/LSVRC/2012/）数据集上训练模型，该数据集包涵1000个类别的图像，并分为三个集合：训练集（130万张图像）、验证集（50 000张图像）和测试集（100 000张图像）。每个图像均为3个通道（224×224）。该模型在ILSVRC-2012-val上获得了7.5%的top-5错误率，在ILSVRC-2012-test上获得了7.4%的top-5错误率。
援引自ImageNet网站，“本次比赛是为了数据检索和基于大型手工标记ImageNet数据集（1000万张带标签的图片，描绘了1万多个对象类别）的子集训练的自动标注而进行的图像内容评估。测试图像将不带有任何初始标注，也不会出现分段或标签，并且算法要产生能指出哪些物体存在于图像中的标签。”
在Caffe中实现的模型学习的权重已在tf.Keras中直接转换（https://gist.github.com/baraldilorenzo/07d7802847aaad0a35d3），使用时可通过将其预加载到指定tf.Keras模型，具体实现如下（论文中作了描述）：
我们已经实现了VGG16。接下来将使用它。
4.4.1 基于VGG16神经网络识别猫
现在让我们测试一张含有一只猫的图像。
注意，我们将用到预定义权重：
如图4-19所示，当代码执行后，返回类别285，该类别与埃及猫（Egyptian cat）对应（https://gist.github.com/yrevar/942d3a0ac09ec9e5eb3a）：
图4-19 使用VGG16 Net的图像识别结果
令人赞叹，不是吗？我们的VGG-16网络可以成功识别猫的图像！这是深度学习的第一步。距论文[4]仅仅五年时间，但却改变了游戏规则。
4.4.2 使用tf.keras内置的VGG16 Net模块
tf.Keras应用是预构建和预训练后的深度学习模型。当实例化模型时，权重会自动下载并存储在~/.keras/models/下。使用内置代码非常容易：
现在，让我们测试一列火车。
如果运行代码，则结果为820，这正是“蒸汽火车”的图像网络代码。很重要的一点是支撑所有其他类别的可能性都很弱，如下图所示。
注意，VGG16只是tf.Keras预构建的模块之一。可在线获得预训练模型的完整列表（https://www.tensorflow.org/api_docs/python/tf/keras/applications）。
4.4.3 复用预建深度学习模型以提取特征
一个非常简单的想法是使用VGG16（更具一般性的是DCNN）进行特征提取。以下代码通过从某个特定层提取特征来实现该想法。注意，我们需要切换到Functional API，因为Sequential模型仅接受图层输入：
你可能会好奇为什么要从DCNN的中间层提取这些特征。原因是随着深度网络学习图像分类，各层都将学习如何标识特征，这些特征会用于完成最终的分类。较低的层标识较低阶的特征（例如颜色和边缘），而较高的层将这些较低阶的特征组合为较高阶的特征（例如形状或对象）。因此，中间层具有从图像中提取重要特征的能力，并且这些特征更有可能有助于不同种类的分类。
这样做有很多优点。首先，我们可以依靠公开提供的大规模训练，并将这种学习转移到新颖的领域。其次，我们可以为昂贵的大型训练节省时间。第三，即使我们没有针对该领域的大量训练示例，也可以提供合理的解决方案。我们也可以很好地应对即将开始的任务，建立一个良好的网络雏形，而不是猜测它。
至此，我们将对VGG-16 CNN作个总结概述，它是本章定义的最后一个深度学习模型。在下一章中，你将看到更多CNN示例。