- Inception网络家族
V1:
Inception v1的主要特点:一是挖掘了1 ×1卷积核的作用,减少了参数,提升了效果;二是让模型自己来决定用多大的的卷积核。
把不同的卷积核组合在一起,不仅可以增大感受野,而且还可以提高神经网络的鲁棒性。在一层里把不同大小的卷积核叠在一起后,意味着一层里可以产生不同大小的卷积核处理之后的效果,也意味着不用人为的来选择这一层要怎么卷,这个网络自己便会学习用什么样的卷积(或池化)操作最好。
V2&&V3
增强高维表征(在高层次Inception结构中3×3拆分成了1×3和3×1的卷积核并列,变得更宽,以增强信息表征)
V4&&ResNet
引入了残差模型
参考:https://zhuanlan.zhihu.com/p/50754671