超级会员免费看
Inception V1通过1*1卷积解决深度网络的过拟合和梯度爆炸问题，提出在相同计算资源上提取更多特征的思路。该结构包含多个尺度的卷积，能更丰富地捕获图像特征。1*1卷积用于增加非线性和降低计算量，多尺度卷积则有助于聚合多样特征。
之前的网络结构，比如vgg,AlexNet,都是通过增加网络的深度来提高网络的性能。但是这样也会导致很多问题，比如过拟合，梯度爆炸等。inception则从另一个角度来提升训练效果：即在相同的计算资源上可以提取到更多的特征。这里也可以认为，inception结构相当于一个卷积层，一个可以提取不同尺度特征的模块。
inception结构核心思想是1*1卷积、多个尺度上进行卷积然后在进行特征融合。
1*1卷积作用：1 在相同尺寸的感受野上叠加更多的卷积，可以增加网络的非线性，提取更加丰富的特征。 2 可以进行特征降维，在不损失模型性能的情况减少模型的计算量。
多尺度卷积在聚合：可以提取更加丰富的特征信息。
深入理解GoogLeNet结构（原创） - 知乎 (zhihu.com)
inception 代码
from typing i
订阅专栏 解锁全文
扫一扫
778
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
