Google net v1-v4 paper 简介

Google inception v1-v4 简单回顾

思路简介：
V1 版本： Inception v1 net ,
v1 net 将 1*1， 3*3， 5*5 的conv 和3*3的pooling ，stack 一起，一方面是增加了网络的宽度，另一方面增加了网络对尺度的适应性。
v2 net，基于v1 net 进行了改进，两个方面： 1，加入了BN layer， 对每一层输出都进行了归一化处理。2、用两个3*3的conv 替代inception 模块中的5*5,即降低了参数数量，也加速计算；
v3 net, 一个最显著的改进就是 factorization (分解)， 将7*7分解成了两个一维卷积， 同样对于3*3也是同样操作，这样的好处就是，一方面加速了计算，另一方面有加深了网络，增加了网络的非线性描述能力，同时，网络扩大了输入图像的大小，更加精细的设计了中间层模块。
v4 net，主要研究了inception module 组合residual connect 是否提升网络的性能，发现resnet 的结构实则可以极大的加速网络的训练，同时性能也有很大的提升，得到一个resnet v2net， 同时设计了更深 更优的inception v4 模型，达到了和resnet V2 同样好的性能。
由于最近在尝试相关的模型，所以对该系列网络进行了相关的了解。

[1]: [v1] Going Deeper with Convolutions, 6.67% test error, http://arxiv.org/abs/1409.4842
[2]:Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift, 4.8% test error, http://arxiv.org/abs/1502.03167
[3]: [v3] Rethinking the Inception Architecture for Computer Vision, 3.5% test error, http://arxiv.org/abs/1512.00567
[4]: [v4] Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning, 3.08% test error, http://arxiv.org/abs/1602.07261