GoogLeNet (一)VGG、AlexNet和Inception关系\GoogLeNet从Inception v1到v4的演进 https://blog.csdn.net/u010986753/article/details/98980390
一、原始Inception的基本结构
Inception网络即是Inception模块的重复拼接,其中插有额外的有池化层来改变模型的宽度和高度。 所有卷积和池化操作均使用Padding=”SAME”卷积/池化方式 。
- AleXNet (8层)
- VGGNet(19层)
- inception V1 具有22层。包括池化层的话是 27 层,该模型在最后一个 inception 模块处使用全局平均池化。
1.1 Filter concatenation
Filter concatenation不需要混合不同大小的图。换句话说就是Filter concatenation混合的是相同的尺寸的图。 确切地说,Filter Concatenation其实很简单,就是把图按深度链接起来。举个例子,如有2个3×3×4的输入,1个3×3×2的输入,3个3×3×1的输入,可以看到输入中一共有2×4+1×2+3×1 =13个通道那么经过Filter Concatenation后就是3×3×13。
通过设计一个稀疏网络结构,但是能够产生稠密的数据,既能增加神经网络表现,又能保证计算资源的使用效率。谷歌提出了最原始Inception的基本结构: