1:文字回答:GoogLeNet采用了几个辅助损失?辅助损失函数的权重是多少?为什么要采用辅助损失函数?
答:两个;分别在Inceptionn4b和Inception4e增加两个辅助分类层;用于增加loss回传和充当正则约束迫使中间层特征也具有分类能力。
2:文字回答:Inception模块中有几个分支?分别是哪些操作?Inception模块输出时特征图采用什么方式融合?
答:4个;1x1,3x3,5x5,1x1;通过对通道数进行相加来对特征图进行融合。
3:文字回答:读完该论文,对你的启发点有哪些?
- 池化损失空间分辨率,但在定位、检测和人体姿态识别中仍应用;延伸:定位、检测和人体姿态识别这些任务十分注重空间分辨率信息。
- 增加模型深度和宽度,可有效提升性能,但有2个缺点,容易过拟合,计算量大。
- 为节省内存消耗,先将分辨率降低,在堆叠使用inception结构。
- 最后一层为全连接层,是为了更方便的微调,迁移学习。