VGG16 结构是：

Img->
Conv1(3)->Conv1(3)->Pool1(2) ==>
Conv2(3)->Conv2(3)->Pool2(2) ==>
Conv3(3)->Conv3(3)->Conv3(3)->Pool3(2) ==>
Conv4(3)->Conv4(3)->Conv4(3)->Pool4(2) ==>
Conv5(3)->Conv5(3)->Conv5(3) ====> FC

流程： http ://ethereon.github.io/netscope/#/gist/dc5003de6943ea5a6b8b

在 keras 代码中https://github.com/keras-team/keras/blob/master/keras/applications/vgg16.py

# Block 1
x = Conv2D(64, (3, 3), activation='relu', padding='same', name='block1_conv1')(img_input)
x = Conv2D(64, (3, 3), activation='relu', padding='same', name='block1_conv2')(x)
x = MaxPooling2D((2, 2), strides=(2, 2), name='block1_pool')(x)


....

看起来只是将Conv1_1结果传递给Conv1_2，其余的也是。

我可以理解这一点：

Img->
Conv1(3)->Pool1(2) ==>
Conv2(3)->Pool2(2) ==>
Conv3(3)->Pool3(2) ==>
Conv4(3)->Pool4(2) ==>
Conv5(3) ====> FC

但不明白为什么 Conv1_1 可以连接到同一层 - Conv1_2 ：

例如：

• 图片：224x224x3
• 内核：3x3

• 深度：3（通道）

• Conv1_1：使用 64 个 kenels。所以有 64 个3x3x3 kernel用来扫描 224x224x3(with padding 1) ，然后得到Conv1_1_feature_map224x224x64 。

在这里，是不是意味着：

• Conv1_2: 使用 643x3x64 kernel扫描Conv1_1_feature_map224x224x64 ，然后得到Conv1_2_feature_map224x224x64 ??

如果是，你能解释一下有什么好处吗？我无法清楚地理解这个流程的含义。目前尚不清楚为什么Conv1(3)->Conv1(3)->Pool1(2) 比Conv1(3)->Pool1. 根据我的感觉，另一个相同大小的 Conv看起来只是让前一层的输出更加模糊/模糊，不像 Pooling 层集中前一层的输出特征。