1.算法思想
GoogleLeNet是在AlexNet、VGG分类网络之后出现的新的分类网络,其解决的问题获得更加高级的特征且同时减少训练参数。
GoogLeNet共有22层(卷积),其中包含9个线性堆叠的Inception模块,且在最后一个Inception模块处使用全局平均池化。
2.InceptionV1结构
首先对前层特征图进行1*1卷积操作,用于降低通道数量,减少训练参数;之后使用不同大小的卷积核进行卷积操作,最后,按通道合并各特征图。
3.算法特点
1.若想获得更加高级的特征,以往的方式是增加网络的深度,而GoogLeNet则是通过增加网络的宽度来实现此目的。
2.Inception模块综合考虑多个卷积核的运算结果,获得输入图像的不同信息,获得更好的图像表征。
3.