VGG16是牛津大学视觉几何组提出的一种深度卷积神经网络。在2014年的ImageNet大规模视觉识别挑战赛上，VGG16取得亚军，进一步证明了深度卷积神经网络在图像分类和其他计算机视觉任务上的有效性，VGG网络非常著名，不仅是因为性能好，而且其结构十分优雅美丽，让人着迷，如图所示，真是既有颜值又有才华，可谓神经网络中的人间尤物。
1、经典CNN网络结构-AlexNet、VGG、GoogleNet、ResNetAlexNet之所以能够成功，跟这个模型设计的特点有关，主要有：使用了非线性激活函数：ReLU防止过拟合的方法：Dropout，数据扩充（Dataaugmentation）其他：多GPU实现，LRN归一化层的使用GoogLeNet（从Inceptionv1到v4的演进）2014年，GoogLeNet和VGG是当年ImageNet挑战赛(ILSVRC14)的双雄，GoogLeNet获得了第一名、VGG获得了第二名，这两类模型结构的共同特点是层次更深了。
2、VGG是目前为止分类效果最好的网络结构吗VGG是目前为止分类效果最好的网络结构。相较其他网络结构，VGGNet的结构非常简洁，卷积核尺寸（3x3）和最大池化尺寸（2x2）。验证了通过不断加深网络结构可以提升性能。后面常被用于pretrained中。所以VGG是目前为止分类效果最好的网络结构。
3、resnet和vgg16哪个好resnet。经过CSDN博客官网查询可知，ResNet是在VGG基础上引入残差连接和跳层连接结构的一种CNN（卷积神经网络结构），除此之外ResNet依旧继承了Vgg的小卷积核等经典特点，与VGG相比，Resnet则更加出色，为后续的研究做下铺垫。resnet又叫残差网络，是由来自MicrosoftResearch的4位学者提出的卷积神经网络，在2015年的ImageNet大规模视觉识别竞赛（ImageNetLargeScaleVisualRecognitionChallenge，ILSVRC）中获得了图像分类和物体识别的优胜。