简介
VGG是由牛津大学计算机视觉小组（Visual Geometry Group）提出的一种卷积神经网络结构，旨在探究深度神经网络的深度和宽度对于图像识别的影响。
VGG网络结构比较简单，主要由卷积层和池化层组成，没有使用复杂的模块化结构，但它的深度很深，有16层或19层，通过多个小尺寸的卷积核代替一个大尺寸的卷积核，有效地减少了参数数量，提高了网络的性能和泛化能力。
VGG网络在2014年的ImageNet大规模视觉识别比赛中获得了第2名的好成绩，其后的许多网络结构都受到了它的启发和借鉴，例如ResNet、Inception等。VGG网络在图像分类、目标检测、图像分割等领域都得到了广泛应用。
VGG网络的命名方式是根据其层数和参数数量命名的。因此，VGG网络有许多不同版本，包括VGG11、VGG13、VGG16、VGG19等。除了这些常见的版本，还有一些变种版本，如VGG-D、VGG-E等。其中，VGG16和VGG19是较为常用的版本。
VGG19的名称中的”19”代表其深度，即包含19个卷积层和全连接层。其中，前16层为卷积层，后面3层为全连接层。
