深度学习-Inception网络

Inception网络名字来源于《盗梦空间》。inception网络代替人工确定卷积层中的过滤器类型，解决了计算量爆炸的问题，让网络变得更深。

 Inception模块：

Inception网络由多个Inception模块连接而成。Inception模块使用多个过滤器类型以及最大化池堆叠而成，让机器自己学习使用哪些过滤器类型。结构如图所示：

其中使用padding可以保证输出的维度相同。

以5*5的卷积核为例，我们可以计算出它的计算量为1.2亿。这样巨大的计算量显然是无法接受的。

我们可以增加一个1*1的卷积层，将输入数据的192个通道压缩为较少的通道数，实践证明这样做并不会损失性能。这样做可以将计算量减少到1240万。

你可能会困惑怎么将池化层压缩。我们可以在池化层后面增加一个1*1的卷积层，这样就可以将池化层压缩为较少的通道数。

 Inception网络：

 Inception网络就是将多个Inception模块连接成一个网络。

 

网络的最后几层通常为全连接层，最后接一个softmax层。可以看到网络中的隐藏层有很多分支。这些分支使得隐藏层也可以单独进行预测，降低了过拟合的风险。

更新的版本中引入了跳跃连接的方法。