目标检测 — Inception-ResNet-v2

　　这篇文章介绍的网络有Inception V1、Inception V2、Inception V3、Inception V4与Inception-ResNet-V2。

1、Inception V1

　　主要贡献：

　　（1）提出inception architecture并对其优化

　　（2）取消全连层（因为FC网络输入要固定、参数过多、容易过拟合）

　　（3）运用auxiliary classifiers加速网络converge，简称AC

　　

　　其中1×1的卷积层可以控制kernels的数量，还增加了网络的非线性程度。多个卷层后将卷积直接concate一下。

　　网络中间层加入了两个AC，这两个AC在训练的时候也跟着学习，同时把自己学习到的梯度反馈给网络，算上网络最后一层的梯度反馈，GoogLeNet一共有3个“梯度提供商”，先不说这么做有没有问题，它确实提高了网络收敛的速度，因为梯度大了嘛。另外，GoogLeNet在做inference的时候AC是要被摘掉的。

2、Inception V2

 　　该团队又提出了incept