大话CNN经典模型：GoogLeNet（从Inception v1到v4的演进）

最新推荐文章于 2023-01-14 17:32:33 发布
最新推荐文章于 2023-01-14 17:32:33 发布
阅读量1k 收藏 1
点赞数
分类专栏： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_33287871/article/details/108921292
版权
GoogLeNet是2014年ILSVRC挑战赛冠军，其设计思路是通过Inception结构减少参数量，提升性能。Inception V1引入了1x1卷积降低特征图厚度，V2通过卷积分解和并行化降低计算量，V3继续分解大卷积核，V4结合ResNet的残差连接。各个版本不断优化，提升网络性能的同时保持高效计算。
摘要由CSDN通过智能技术生成

在这里插入图片描述

2014年，GoogLeNet和VGG是当年ImageNet挑战赛(ILSVRC14)的双雄，GoogLeNet获得了第一名、VGG获得了第二名，这两类模型结构的共同特点是层次更深了。VGG继承了LeNet以及AlexNet的一些框架结构（详见 大话CNN经典模型：VGGNet），而GoogLeNet则做了更加大胆的网络结构尝试，虽然深度只有22层，但大小却比AlexNet和VGG小很多，GoogleNet参数为500万个，AlexNet参数个数是GoogleNet的12倍，VGGNet参数又是AlexNet的3倍，因此在内存或计算资源有限时，GoogleNet是比较好的选择；从模型结果来看，GoogLeNet的性能却更加优越。

小知识：GoogLeNet是谷歌（Google）研究出来的深度网络结构，为什么不叫“GoogleNet”，而叫“GoogLeNet”，据说是为了向“LeNet”致敬，因此取名为“GoogLeNet”

那么，GoogLeNet是如何进一步提升性能的呢？
一般来说，提升网络性能最直接的办法就是增加网络

了解本专栏 订阅专栏 解锁全文 超级会员免费看
Googlenet inception v1网络结构详解
12-27
总结了很多牛人的知识，解释了自己的很多疑点。
googlenet网络模型
06-12
在深度学习神经网络模型中，可以在caffe框架中利用goolenet网络模型进行快速识别
GoogLeNet（从Inception v1到v4的演进）
一行一生
05-28 713
Inception网络结构 就是构造一种“基础神经元”结构，来搭建一个稀疏性、高计算性能的网络结构. Inception V1 该结构将CNN中常用的卷积（1x1，3x3，5x5）、池化操作（3x3）堆叠在一起（卷积、池化后的尺寸相同，将通道相加），一方面增加了网络的宽度，另一方面也增加了网络对尺度的适应性。 网络卷积层中的网络能够提取输入的每一个细节信息，同...
卷积神经网络 (GoogLeNet 的灵感)
Yongfeng's Blog
08-05 1829
GoogLeNet 是非常具有代表性的卷积神经网络，在 2014 年 ImageNet 挑战赛（图片分类）上夺取第一名桂冠1。GoogLeNet 不同于之前的 AlexNet，LeNet 或 VGG，它的设计更加颠覆传统。整个网络只有 22 层，但训练参数只有 500 万个，是 AlexNet 的十分之一。 ImageNet. “Large Scale Visual Recognition Challenge 2014.” Link ↩︎
GoogLeNet网络结构
qq_38162944的博客
03-04 329
GoogLeNet网络 Inception 结构 1x1的卷积核如何起到降维的作用呢？ 辅助分类器 AlexNet和VGG都只有一个输出层 ，而GoogLeNet有三个输出层（其中有两个辅助分类层，一个主分类器，两个辅助分类器的结构一样） （1）第一层是我们的平均下采样操作，池化核大小是5*5 ，步距是等于3 （2）采用128个卷积核大小为1*1的卷积层进行卷积处理，目的是为了降低维度，并且使用的是ReLU激活函数 （3）采用节点个数为1024的全连接层，同样使用ReLU激活函数 （4）全连接层与全
GoogleNet架构解析
冲出仁川，走出马德里，故事还会再继续
08-12 2625
GoogleNet 是 2014 年 ImageNet Challenge 图像识别比赛的冠军。从它的名字我们就 可以看出是来自谷歌的团队完成的。前面我们有介绍，GoogleNet 之所以获得冠军，是因为 它进行模型融合以后得到的效果要比 VGGNet 模型融合之后的效果要好。不过单模型比拼， 它与 VGGNet 的效果相当。虽然 GoogleNet 的模型的效果跟 VGGNet 相差不大，不过它比 VGGNet 更具有创新 性。......
GoogLeNet网络结构详解
日拱一卒，功不唐捐
12-25 1万+
本文结合GoogleNet源码，对Inception模块、GoogleNet整体结构进行了详细的解释
GoogLeNet网络结构介绍
weixin_42385747的博客
03-11 1151
通过学习《Going deeper with convolutions》论文对GoogLeNe网络结构t进行一个介绍
谈Inception V1网络结构 与 GoogLeNet
MasterMiao的博客
08-15 775
谈Inception网络结构1 x 1 卷积核Inception V1Inception V2Inception V3Inception V4参考文章 1 x 1 卷积核         此观点是在 Network in Network（NIN）中提出，那这样的卷积有什么用处呢？先回顾下相关基础概念吧~         卷积核： 可以看作对某个**局部**的加权求和；它是对应局部感知，它的原理是在观察某个物体时我们既不能观察每
经典神经网络 -- GoogLeNet / Inception : 设计原理与pytorch实现
_天涯__的博客
03-21 660
原理 一共有四种卷积通道，它的输入层的特征图都是同一个，唯一不同的就是中间经历不同的卷积层。 该结构采用了四个分支，每个分支分别由1x1卷积、3x3卷积、5x5卷积和3x3maxpooling组成，既增加了网络的宽度，也增加了网络对不同尺度的适用性。 四个分支输出后在通道维度上进行叠加，作为下一层的输入。 四个分支输出的featuremap的尺寸可由padding的大小进行控制，以保证它们的特征维度相同（不考虑通道数） 每进过一次inception模块大小变为原来的二分之一 尺寸大小的计算公式是
深度学习：GoogLeNet结构详解
热门推荐
Vermont_的博客
09-27 1万+
1. GoogLeNet网络详解 GoogLeNet在2014年由Google团队提出（与VGG网络同年，注意GoogLeNet中的L大写是为了致敬LeNet），斩获当年ImageNet竞赛中Classification Task (分类任务) 第一名。 原论文地址：Going deeper with convolutions GoogLeNet 的创新点： 引入了Inception结构（融合不同尺度的特征信息） 使用1x1的卷积核进行降维以及映射处理 （虽然VGG网络中也有，..
深度学习之图像分类（五）--GoogLeNet网络结构
木卯_THU的博客
08-31 4347
深度学习之图像分类（五）GoogLeNet网络结构 目录深度学习之图像分类（五）GoogLeNet网络结构1. 前言2. Inception 结构3. 辅助分类器4. 代码 本节学习 GoogLeNet 网络结构，学习视频源于 Bilibili，部分描述参考 大话CNN经典模型：GoogLeNet（从Inception v1到v4的演进)。 1. 前言 GoogLeNet 是 2014 年由 Google 团队提出的，斩获了当年 ImageNet 竞赛中 Classification Task 的第一名。
【学习笔记】GoogleNet 网络结构
Eniac0的博客
06-08 1万+
跟着大佬学图像分类系列，→ 传送门 ← 前言 图像分类是学习目标检测的“量变”内容，那么，废话不多说，开搞！ 一、GoogleNet 是什么？         GoogleNet 网络是14年由 Google 团队提出，斩获该年 ImageNet 竞赛中 Classification Task（分类任务）第一名（刚学的VGG 是第二，哈哈）。 GoogleNet 论文的 → 传送门 ← 二、网络结构 1.网络特点 引入
GoogLeNet网络结构详解与代码复现
weixin_45897172的博客
01-14 853
GoogLeNet网络结构详解与代码复现
GoogLeNet网络结构学习
cape的博客
10-20 1万+
1.背景介绍　　GoogLeNet, 一个22层的深度网络，2014年ILSVRC挑战赛冠军，将Top5 的错误率降低到6.67%。论文地址：Going deeper with convolutions。 　　 　　据说起名为“GoogLeNet”而非“GoogleNet”,是为了向早期的LeNet致敬。2.网络结构　　GoogLeNet网络的整体结构如下：GoogLeNet清晰版本3.主要创新
GoogLeNet网络结构的实现和详解
pyscl01的博客
10-29 4933
GoogLeNet网络详解
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

yhwang-hub

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值