特征提取器的结构是什么

在Perceptual losses for realtime style transfer and super-resolution这篇论文中，特征提取器采用了VGG网络来提取输入图像的特征表示。具体来说，该网络使用了VGG-19网络的前四个卷积块（共计16个卷积层）作为特征提取器，其结构如下图所示：

+---------------------+
|       输入图像       |
+---------------------+
            |
            v
+---------------------+
|      第一个卷积块     |
+---------------------+
            |
            v
+---------------------+
|      第二个卷积块     |
+---------------------+
            |
            v
+---------------------+
|      第三个卷积块     |
+---------------------+
            |
            v
+---------------------+
|      第四个卷积块     |
+---------------------+

其中，每个卷积块都包含了若干个卷积层和一个最大池化层，用于对输入图像进行特征提取和下采样。具体来说，第一个卷积块包含了两个卷积层，用于提取边缘和纹理等低层次特征；第二个、第三个和第四个卷积块则分别包含了四个卷积层，用于提取更加抽象和高层次的特征表示。在特征提取器中，每个卷积层的输出都被视为该层的特征表示，这些特征表示会被用于计算输入图像与目标图像之间的感知损失。