深度篇—— Deep Learning 经典网络 model 发展史(五) 细说 GoogleNet 结构和特点 (包括 v1, v2, v3)

返回主目录

返回 Deep Learning 经典网络 model 发展史 目录

上一章：深度篇—— Deep Learning 经典网络 model 发展史(四) 细说 VGG16 结构和特点

下一章：深度篇—— Deep Learning 经典网络 model 发展史(六) 细说 ResNet 结构和特点

 

本小节，细说 GoogleNet 结构和特点 (包括 v1, v2, v3)，下一小节细说 ResNet 结构和特点

 

GoogleNet 论文：Going deeper with convolutions

 

二. 经典网络(Classic Network)

5. GoogleNet (包括 v1, v2, v3)

在 2014 年 ImageNet 分类任务上击败 VGG-Net 夺得冠军，其实力肯定是非常深厚的。GoogleNet 跟 AlexNet、VGG-Net 这种单纯依靠网络结构而改进网络性能的思路不一样，它另辟幽径，在加深网络(22 层) 的同时，也在网络结构上做了创新，引入 Inception 结构代替了单纯的 卷积 + 激活函数 的传统操作(这思路最早由 Network In Network 提出)。GoogleNet 进一步把对卷积神经网络的研究推上新的高度。

(1). Inception V1  model

   ①. V1 网络图形：

     4 个 卷积得到的 feature map 的 high 和 width 不变，然后再通过 channels 进行 concatenation 起来。

 

   ②. Inception V1 mod