Inception网络是CNN发展历史上一个重要的里程碑,在Inception出现之前,大部分流行的CNN仅仅把卷积层堆叠的越来越多,使网络越来越深,以此希望得到更好地性能。但是存在一下问题;
1.图像中突出部分的大小差别很大。
2.由于信息位置的巨大差异,为卷积操作选择合适的卷积核就比较困哪。信息分布更加全局性的图像偏好较大的卷积核,信息分布比较局部的图像偏好较小的卷积核。
3.非常深的网络更容易过拟合。将梯度更新传输到整个网络是很困难的。
4.简单的堆叠较大的卷积层非常消耗计算资源。
解决方法:
在同一层级上运行具备多个尺寸的滤波器。网络本质上会变得宽一些,因此设计Inception模块。
它使用三个不同大小的滤波器(1x1,3x3,5x5),对输入执行卷积操作,此外还会执行最大池化。使所有子层的输出最后会被级联起来,并传送至下一个Inception模块。
主要作用是增加了网络对尺度的适应性。
优化:实现降维的Inception模块(目的:减少计算量)