文章目录
Xception: Deep Learning with Depthwise Separable Convolutions
- 来源:CVPR2017
- 作者:Franc¸ois Chollet
- 单位:Google, Inc.
- 邮箱:fchollet@google.com
- 论文原地址:Xception: Deep Learning with Depthwise Separable Convolutions
摘要:Xception—深度可分离卷积的深度学习
- 我们提出了卷积神经网络中Inception模块的解释,作为常规卷积和深度可分离卷积操作(深度卷积之后是点卷积)之间的中间步骤。从这个角度来看,深度可分离卷积可以被理解为具有最大数量塔的Inception模块。
- 这一观察结果使我们提出了一种受Inception启发的新型深度卷积神经网络架构,其中Inception模块已被深度可分离卷积所取代。
- 我们展示了这种被称为Xception的架构,在ImageNet数据集上略微优于Inception V3 (Inception V3是为其设计的),并且在包含3.5亿个图像和17,000个类的更大的图像分类数据集上显著优于Inception