inception网络_深度卷积网络之Inception

源自 「吴恩达」 老师的深度学习课程。

对已学知识做个小结。

深度卷积网络之Inception

Outline

• Classic networks：
  • LeNet-5
  • AlexNet
  • VGG
• ResNet
• Inception(GoogLeNet)

3 Inception(GoogLeNet)

• 思想
  • Inception 网络不需要人为决定使用哪个过滤器或者是否需要池化，而是由网络 自行确定这些参数，你可以给网络添加这些参数的所有可能值，然后把这些输出连接起来，让网络自己学习它需要什么样的参数，采用哪些过滤器组合。
  • 更多内容参见inception网络模型^[1]

3.1 1×1 卷积

• 实现功能

  • 根据自己的意愿通过 1×1 卷积的简单操作来压缩或保持输入层中的通道数量，甚至是增加通道数量。
  • 注意：输入是28×28×192，过滤器大小得是5×5×192，(输入通道数与过滤器通道数匹配)，假设过滤器个数为32，采用same卷积，则输出为28×28×32。

• 应用

  • 1×1 卷积可以在网络中用于构建瓶颈层，降低计算成本。

• 参见吴恩达深度学习^[2]

「欢迎批评指正，一起学习进步！！！」

Reference

[1]

inception网络模型: https://www.cnblogs.com/dengshunge/p/10808191.html

[2]

吴恩达深度学习: https://www.coursera.org/learn/convolutional-neural-networks?specialization=deep-learning#syllabus