十分鐘一塊兒學會Inception網絡

1、Inception網絡簡介

2、Inception網絡模塊

3、Inception網絡下降參數計算量

4、Inception網絡減緩梯度消失現象

5、Inception網絡框架

6、Inception論文彩蛋

1、Inception網絡簡介

Inception網絡又叫作GoogLeNet,之因此不叫GoogleNet，是爲了向LeNet致敬,是2014年ChristianSzegedy在《Going deeper with convolutions》提出的一種全新的深度學習結構。

通常來講，提高網絡性能最保險的方法就是增長網絡的寬度和深度，這樣作同時也會伴隨着反作用。首先越深越寬的網絡每每會意味着有巨大的參數量，當數據量不多的時候，訓練出來的網絡很容易過擬合，而且當網絡有很深的深度的時候，很容易形成梯度消失現象這兩個反作用制約着又深又寬的卷積神經網絡的發展，Inception網絡很好的解決了這兩個問題。

2、Inception網絡模塊

下圖是Inception中的一個模塊，Inception由多個這樣的模塊組合而成的。

Inception網絡結構中其中一個模塊是這樣的：在同一層中，分別含有1*一、3*三、5*5卷積和池化層，在使用濾波器進行卷積操做與池化層進行池化操做時都會使用padding以保證輸出都是同尺寸大小，通過這些操做後輸出的結果也就是特徵圖Featuremap再所有整合在一塊兒。該模塊的特性就是在同一層中，分別經過使用上述不一樣尺寸的濾波器與進行池化操做收集到了上一層輸入的不一樣特徵。這樣就增長了網絡的寬度，用這些不一樣尺寸的濾波器和池化操做去提取上一層的不一樣特徵。