VGG

VGG es una familia de arquitecturas de red neuronal convolucional para clasificación de imágenes, propuesta en 2014 por Karen Simonyan y Andrew Zisserman, del Visual Geometry Group de la Universidad de Oxford, de donde toma su nombre. Su aportación fue demostrar que aumentar la profundidad de la red mejora la precisión, manteniendo un diseño sencillo y regular.

La idea: profundidad con filtros pequeños

La clave de VGG es apilar muchas convoluciones pequeñas y uniformes, de 3×3, en lugar de usar filtros grandes. Apilar varias convoluciones de 3×3 consigue el mismo campo receptivo que un filtro mayor, pero con menos parámetros y más no linealidades. Sus dos variantes más conocidas se distinguen por la profundidad: VGG-16 (16 capas con pesos) y VGG-19 (19 capas).

Su lugar en la historia

VGG fue la base del equipo de Oxford en el reto ImageNet de 2014, donde logró el primer puesto en localización y el segundo en clasificación. Fue muy influyente por su simplicidad. Conviene, no obstante, un matiz: es una red pesada, con unos 138 millones de parámetros en VGG-16, computacionalmente costosa, y hoy está superada en eficiencia por arquitecturas posteriores como ResNet.

Para qué se usa

Además de la clasificación, VGG se usa mucho por transferencia de aprendizaje: sus características preentrenadas en ImageNet sirven como punto de partida para otras tareas, y actúa como «columna vertebral» (backbone) de redes mayores, por ejemplo en detección de objetos o en la transferencia de estilo. Se distribuye lista para usar en marcos como PyTorch o Keras.