王权富贵：GoogLeNet的Inception模块变化。

GooLeNet的详细理解可以参考这篇文章，文章详细的说明了V1-V4之间的变化。

GooLeNetV1提出了InceptionV1模块，1*1，3*3，5*5这些卷积最后的合并是深度相加。大卷积如3*3，5*5前面有一个1*1卷积，这个1*1卷积是用来做数据压缩的，减少特征的深度。

后续版本GooLeNetV2，V3都是在Inception模块的基础上提出替代3*3，5*5大卷积的方法，来减少计算的工作量。

采用卷积分解的方法将任意nxn的卷积都可以通过1xn卷积后接nx1卷积来替代。缺点是GoogLeNet团队发现在网络的前期使用这种分解效果并不好，在中度大小的特征图（feature map）上使用效果才会更好（特征图大小建议在12到20之间）。

InceptionV2的模块变化如下：

在GoogLeNetV4中将原来的V3模型配合上残差网络ResNet，融合最后的InceptionV4的模块变化如下：

王权富贵：GoogLeNet的Inception模块变化。相关推荐

GoogleNet和Inception模块
在研究yolo v1的时候碰到的GoogleNet,虽然都是过时的东西,还是记录一下下面是GoogleNET的结构.有3个conv层和9个inception module以及1个FC层,因为提出了i ...
【3】卷积神经网络之GoogLeNet和Inception
Inception 网络是 CNN 分类器发展史上一个重要的里程碑.在 Inception 出现之前,大部分流行 CNN 仅仅是把卷积层堆叠得越来越多,使网络越来越深,以此希望能够得到更好的性能.例如 ...
论文解析：理论分析Inception模块和GoogLeNet
Inception-V1 目的自从卷积神经网络诞生以来,其标准范式就是堆叠的卷积层夹杂着池化层或者是归一化层,发展方向主要是在网络的大小上做文章,无论是增加网络的层数或者说是增加每层网络中神经元的 ...
王权富贵：GoogLeNet的pytorch实现
感谢kuangliu,参考自这个项目里面的一篇叫googlenet.py的文档. 先构建一个基本的Inception模块.构造如上图所示,具体代码如下所示. '''GoogLeNet with PyT ...
深度神经网络中的Inception模块介绍
深度神经网络(Deep Neural Networks, DNN)或深度卷积网络中的Inception模块是由Google的Christian Szegedy等人提出,包括Inception-v1.I ...
一文读懂：GoogleNet的Inception从v1到v4的演变
来源 | 机器学习炼丹术 GoogleNet和VGG是ImageNet挑战赛中的第一名和第二名.共同特点就是两个网络的层次都更深了.但是: VGG继承了LeNet和AlexNet的一些框架结构而Go ...
深度解读GoogleNet之Inception 系列
GoogleNet设计的目的 GoogleNet设计的初衷是为了提高在网络里面的计算资源的利用率. 卷积的稀疏性卷积的稀疏性是指卷积通常对应一个非常稀疏的矩阵,传统的神经网络是全连接的,后面每一层的 ...
Inception模块
Inception网络或Inception层的作用是代替人工来确定卷积层中的卷积核类型,或者是否需要创建卷积层和池化层,可以代替你来做决定,虽然网络架构比较复杂,但网络表现却非常好.下图是Incept ...
王权富贵：在树莓派上构建tensorflow
前言: 搜索了很多资料,重装了好多次系统,总结一句话"树莓派的Linux!=Linux".不是所有在Linux上装的东西在树莓派上都能装. 修改: 2018/9/28-大幅度加入了 ...

王权富贵：GoogLeNet的Inception模块变化。

王权富贵：GoogLeNet的Inception模块变化。相关推荐

最新文章

热门文章