【论文详解】Inceptionv1-v4(2014-2016)

最新推荐文章于 2022-05-27 10:36:41 发布

小鹏聊智驾

最新推荐文章于 2022-05-27 10:36:41 发布

阅读量256

点赞数

分类专栏：图像分类文章标签： GoogLeNet

本文链接：https://blog.csdn.net/chiyukunpeng/article/details/107547426

版权

8 篇文章 0 订阅

订阅专栏

	题目	代码
Inceptionv1	Going Deeper with Convolutions	TF复现 PyTorch复现
Inceptionv4	Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning	TF复现 PyTorch复现

GoogLeNet是ILSVRC2014图像分类任务的冠军，其主要贡献是引入了Inception模块，使用了更少的参数获得了更高的性能。此后，针对Inception进行了一些改进，尤其是第四版加入了ResNet的残差连接，性能得到了极大地提升。

如下图所示，Inception_v1使用了1x1卷积进行降维，同时在多个尺寸上同时进行卷积再聚合。
在这里插入图片描述

如下图所示，Inception_v2&v3提出用两个连续的3x3卷积核代替一个5x5的卷积核，在保持感受野大小相同的情况下参数量更小。
在这里插入图片描述

下图是Inception-ResNet-v1，引入了残差连接。

在这里插入图片描述
下图是Inception-ResNet-v2，与v1结构一样，区别在于通道数。

	Inception_v1	Inception_v2&v3	Inception_v4	Inception-ResNet
top-5(%)	6.7	5.6	3.8	3.7

关注