2014年，牛津大學計算機視覺組（Visual Geometry Group）和Google DeepMind公司的研究員一起研發出了新的深度卷積神經網絡：VGGNet，并取得了ILSVRC2014比賽分類項目的第二名（第一名是GoogLeNet，也是同年提出的）和定位項目的第一名。
VGGNet探索了卷積神經網絡的深度與其性能之間的關系，成功地構筑了16~19層深的卷積神經網絡，證明了增加網絡的深度能夠在一定程度上影響網絡最終的性能，使錯誤率大幅下降，同時拓展性又很強，遷移到其它圖片數據上的泛化性也非常好。到目前為止，VGG仍然被用來提取圖像特征。
VGGNet可以看成是加深版本的AlexNet，都是由卷積層、全連接層兩大部分構成。
下圖是來自論文《Very Deep Convolutional Networks for Large-Scale Image Recognition》（基于甚深層卷積網絡的大規模圖像識別）的VGG網絡結構，正是在這篇論文中提出了VGG，如下圖：
在這篇論文中分別使用了A、A-LRN、B、C、D、E這6種網絡結構進行測試，這6種網絡結構相似，都是由5層卷積層、3層全連接層組成，其中區別在于每個卷積層的子層數量不同，從A至E依次增加（子層數量從1到4），總的網絡深度從11層到19層（添加的層以粗體顯示），表格中的卷積層參數表示為“conv?感受野大小?-通道數?”，例如con3-128，表示使用3x3的卷積核，通道數為128。為了簡潔起見，在表格中不顯示ReLU激活功能。
其中，網絡結構D就是著名的VGG16，網絡結構E就是著名的VGG19。
以網絡結構D（VGG16）為例，介紹其處理過程如下，請對比上面的表格和下方這張圖，留意圖中的數字變化，有助于理解VGG16的處理過程：
1、輸入224x224x3的圖片，經64個3x3的卷積核作兩次卷積+ReLU，卷積后的尺寸變為224x224x64
2、作max pooling（最大化池化），池化單元尺寸為2x2（效果為圖像尺寸減半），池化后的尺寸變為112x112x64
3、經128個3x3的卷積核作兩次卷積+ReLU，尺寸變為112x112x128
4、作2x2的max pooling池化，尺寸變為56x56x128
5、經256個3x3的卷積核作三次卷積+ReLU，尺寸變為56x56x256
6、作2x2的max pooling池化，尺寸變為28x28x256
7、經512個3x3的卷積核作三次卷積+ReLU，尺寸變為28x28x512
8、作2x2的max pooling池化，尺寸變為14x14x512
9、經512個3x3的卷積核作三次卷積+ReLU，尺寸變為14x14x512
10、作2x2的max pooling池化，尺寸變為7x7x512
11、與兩層1x1x4096，一層1x1x1000進行全連接+ReLU（共三層）
12、通過softmax輸出1000個預測結果
以上就是VGG16（網絡結構D）各層的處理過程，A、A-LRN、B、C、E其它網絡結構的處理過程也是類似，執行過程如下（以VGG16為例）：
從上面的過程可以看出VGG網絡結構還是挺簡潔的，都是由小卷積核、小池化核、ReLU組合而成。其簡化圖如下（以VGG16為例）：
A、A-LRN、B、C、D、E這6種網絡結構的深度雖然從11層增加至19層，但參數量變化不大，這是由于基本上都是采用了小卷積核（3x3，只有9個參數），這6種結構的參數數量（百萬級）并未發生太大變化，這是因為在網絡中，參數主要集中在全連接層。
經作者對A、A-LRN、B、C、D、E這6種網絡結構進行單尺度的評估，錯誤率結果如下：
從上表可以看出：
1、LRN層無性能增益（A-LRN）
VGG作者通過網絡A-LRN發現，AlexNet曾經用到的LRN層（local response normalization，局部響應歸一化）并沒有帶來性能的提升，因此在其它組的網絡中均沒再出現LRN層。
2、隨著深度增加，分類性能逐漸提高（A、B、C、D、E）
從11層的A到19層的E，網絡深度增加對top1和top5的錯誤率下降很明顯。
3、多個小卷積核比單個大卷積核性能好（B）
VGG作者做了實驗用B和自己一個不在實驗組里的較淺網絡比較，較淺網絡用conv5x5來代替B的兩個conv3x3，結果顯示多個小卷積核比單個大卷積核效果要好。
最后進行個小結：
1、通過增加深度能有效地提升性能；
2、最佳模型：VGG16，從頭到尾只有3x3卷積與2x2池化，簡潔優美；
3、卷積可代替全連接，可適應各種尺寸的圖片
