GoogLeNet V4
个人感觉其实这个V4
有点很臃肿的感觉,其实是个A+B
的过程,将ResNet
的残差的思想放在自己的结构上,属于强强联合的一种形式。而且有些很精巧的设计,具有较强的针对性,性能确实很强(在ImageNet
数据集上面),但是在别的数据集上面是否能有这么好的表现未可知。相比于VGG
,BN
,ResNet
这些通用的方法来说,V4
更像是钟表一样,可能少了谁都无法能够精准的完成工作。
创新点
- 在残差的结构的基础上,增加了
1*1
卷积 - 激活值缩放
当超过1000
个卷积核的时候,会出现“死神经元”,在最后的平均池化会出现输出值为0
的现象,这个现象用小学习率和BN都无法避免这个问题。因此为了让模型训练能够更加稳定,在残差模块中对残差进行数值大小的缩放,通常乘以0.1-0.3
之间的一个数。(文中也指出这个操作不是必须的)