GoogleNet系列网络原理及结构详解:从Inception-v1到v4

本文深入探讨GoogleNet系列网络,包括Inception-v1到v4的设计原理和结构。从Inception模块的创新,如1x1卷积减少计算量,到Inception v2引入Batch Normalization解决梯度消失,再到Inception v3的改进和ResNet思想融合。文中详述每个版本的网络结构、实验结果,展示了如何在保持计算效率的同时提高模型性能。
摘要由CSDN通过智能技术生成

1. Google Net综述

Google Net是2014年Google团队在ImageNet比赛上提出的网络,获得了识别第一名、检测第二名的成绩;

在这里插入图片描述

其主要特点就是提出了一种叫做Inception的结构进行堆叠;

这种结构的主要特点就是加大了网络的深度和宽度(主要是宽度),将不同感受野大小的特征层进行堆叠,并且不增加运算量,提高了计算资源的利用效率。

相比于两年前ImageNet比赛的冠军(也是卷积神经网络的开山之作),参数少了12倍,而top-5损失率却从16.42%下降到了6.67%。

2. Inception v1

2.1 论文地址

https://arxiv.org/pdf/1409.4842.pdf

2.2 网络结构

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

BIT可达鸭

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值