CNN经典论文系列之 Inception（V1~V4及其他版本比较）

最新推荐文章于 2024-07-24 11:22:27 发布
最新推荐文章于 2024-07-24 11:22:27 发布
阅读量1k 收藏 7
点赞数 1
分类专栏： tensorflow CNN论文
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_45232469/article/details/99290983
版权
本文介绍了Inception网络的演变过程，从最初的Inception V1，通过加入BN层和优化结构改进为Inception V2，再到Inception v3引入因子分解思想，以及最终的Inception v4结合了不同特征表征和计算效率的平衡设计。同时提到了Inception-ResNet系列，展示了网络结构的不断优化以提升准确性和计算效率。
摘要由CSDN通过智能技术生成

Inception V1

Inception v1的网络，将1x1，3x3，5x5的conv和3x3的pooling，堆叠在一起，一方面增加了网络的width，另一方面增加了网络对尺度的适应性。
在这里插入图片描述

  • 第一张图是论文中提出的最原始的版本，所有的卷积核都在上一层的所有输出上来做，那5×5的卷积核所需的计算量就太大了，造成了特征图厚度很大。
  • 为了避免这一现象提出的inception具有如下结构，在3x3前，5x5前，max-pooling后分别加上了1x1的卷积核起到了降低特征图厚度的作用，也就是Inception v1的网络结构。

Inception V2

这版本在V1的基础上进行了很大的改进：
在这里插入图片描述

  • 一方面了加入了BN层，减少了Internal Covariate Shift（内部neuron的数据分布发生变化），使每一层的输出都规范化到一个N(0, 1)的高斯；
  • 另外一方面学习VGG用2个3x3的conv替代inception模块中的5x5，既降低了参数数量，也加速计算；<
最低0.47元/天 解锁文章
Lingerzxx
关注
专栏目录
什么是GoogLeNet？一文看懂CNN经典模型GoogLeNet 从Inception v1到v4的演进
Marcus-Bao的个人主页
05-06 640
上一次我们谈到了CNN经典模型VGGNet，今天我们来简单聊聊比VGG更强大的GoogLeNet。 为什么有GoogLeNet? 2014年，GoogLeNet和VGG是当年ImageNet挑战赛(ILSVRC14)的双雄，GoogLeNet获得了第一名、VGG获得了第二名，这两类模型结构的共同特点是层次更深了。VGG继承了LeNet以及AlexNet的一些框架结构，而GoogLeNet则做了...
大话CNN经典模型：GoogLeNet（从Inception v1到v4的演进）
雪饼的博客
03-17 2600
—— 原文发布于本人的微信公众号“大数据与人工智能Lab”（BigdataAILab），欢迎关注。2014年，GoogLeNet和VGG是当年ImageNet挑战赛(ILSVRC14)的双雄，GoogLeNet获得了第一名、VGG获得了第二名，这两类模型结构的共同特点是层次更深了。VGG继承了LeNet以及AlexNet的一些框架结构（详见  大话CNN经典模型：VGGNet），而GoogLeNe...
Inception 深度卷积神经网络（CNN）架构
qq_44089890的博客
04-26 5743
Inception是一种深度卷积神经网络（CNN）架构，由Google在2014年提出。它是一种基于多尺度卷积的网络结构，旨在解决传统CNN在处理不同大小的输入图像时存在的问题。Inception的主要特点是使用了多个不同尺度的卷积核来提取不同尺度的特征。这些卷积核可以并行地应用于输入图像，然后将它们的输出连接在一起，形成一个多通道的特征图。通过这种方式，Inception可以有效地处理不同大小的输入图像，并提取更丰富和多样化的特征。
GoogLeNet Inception v1-v4 简单对比
qq_32172681的博客
08-21 397
本文只对Inception的4个版本做了简单对比，详细内容参考：https://blog.csdn.net/qq_32172681/article/details/99977304 1、inception v1 inception v1提出了inception模块，用1*1卷积实现通道降维和增维，增加了网络深度和宽度。 2、inception v2 inception v2...
经典CNN模型（四）：GoogLeNet（PyTorch详细注释版）
最新发布
qq_51872445的博客
07-24 1574
GoogLeNet，也被称为 Inception-v1，是由 Google 的研究人员设计的一种深度卷积神经网络（CNN），并在 2014 年的 ImageNet 大规模视觉识别挑战赛（ILSVRC 2014）中获得了第一名。GoogLeNet 的主要设计目标是在不显著增加计算成本的前提下，提高网络的深度和宽度，从而提高模型的准确率。
深度学习论文整理（按时间排序）未完待续
tissar的博客
01-29 1024
Cycle GAN - 《Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks》 https://arxiv.org/pdf/1703.10593.pdf 《Mask R-CNN》 https://arxiv.org/pdf/1703.06870.pdf 《Knowing When to Lo...
CNN经典网络：Inception系列
qq_39382877的博客
07-27 965
前言 InceptionV1 InceptionV2 InceptionV3 InceptionV4 InceptionV1 论文：https://arxiv.org/pdf/1409.4842.pdf 代码：参考Tensorflow/slim 特点 用多个尺度的卷积核组合来获得不同大小的感受野，最后拼接成不同尺度的融合，来近似局部最优的结构； 如图 3.7 所示，卷积核大小分...
CNN经典论文系列之 Inception（包含tensorflow代码）
weixin_45232469的博客
08-11 829
摘要 大名鼎鼎的的Inception系列网络，是由Google Inc在2018年9月发布的“Going deeper with convolutions”，中文意思为更深的卷积。由此也可见一斑，该文章在深度神经网络的结构大做文章。 提出了一种代号为Inception的深度卷积神经网络结构，并在分类和检测上取得了新的最好结果。 inception体系结构的主要特点是提高了网络内计算资源的利用率。...
Inception系列：Inception-v1（GooLeNet）、Inception-v2、Inception-v3、Inception-v4论文全面解读
jsk_learner的博客
11-01 3231
Inception系列PaperInception-v1-2014Inception-v2-2015Inception-v3-2015 Paper v1: Going deeper with convolutions v2: Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covaria...
Inception v1论文
12-08
Inception v1的提出开启了深度学习网络设计的新篇章，后续的Inception v2、v3和v4都在此基础上进行了优化和改进，例如使用Batch Normalization加速训练，引入更高效的结构如Residual Connections。Inception架构对...
Inception v1~v4和Inception-ResNet v1~v2总结
David Lee的博客
05-27 4977
Inception v1~v4和Inception-ResNet v1~v2总结
GoogleNet V4-Inception
04-25
CNN GoogleNet 2015 (v4) Inception-v4 Inception-ResNet and the Impact of Residual Connections on Learning.pdf
DnCNN-tensorflow版本
04-15
Denoise Convolutional neural network （DnCNN）代码的tensorflow实现
深度学习（07）-- 经典CNN网络结构（Inception (v1-v4)）
wangzi11111111的博客
04-01 870
文章目录目录1.Inception介绍1.1 Inception结构1.2 Inception V1(GoogleNet)1.3 Inception V2(Batch Norm)1.4 Inception V3（Factorization）1.5 Inception V4（ResNet）1.5 Inception v1~v4 总结1.6 Inception进阶2.Inception实现 目录 1....
LeNet论文的翻译与CNN三大核心思想的解读
热门推荐
QQ哥的专栏
05-01 3万+
LeNet论文的翻译与CNN三大核心思想的解读
CNN版本的ResNet
weixin_43872912的博客
07-04 189
因为最近要看一篇ResNet版本的SNN网络，所以去了解了一下ResNet。这是一种深度残差网络， def _block(self, x, n_out, n, init_stride=2, is_training=True, scope="block"): with tf.variable_scope(scope): h_out = n_out // 4 out = self._bottleneck(x, h_out, n_out, stride=init_strid
GoogLeNet（从Inception v1到v4的演进）
一行一生
05-28 674
Inception网络结构 就是构造一种“基础神经元”结构，来搭建一个稀疏性、高计算性能的网络结构. Inception V1 该结构将CNN中常用的卷积（1x1，3x3，5x5）、池化操作（3x3）堆叠在一起（卷积、池化后的尺寸相同，将通道相加），一方面增加了网络的宽度，另一方面也增加了网络对尺度的适应性。 网络卷积层中的网络能够提取输入的每一个细节信息，同...
CNN(九)：Inception v3算法实战
ali1174的专栏
09-22 767
总体而言，Inception v3主要提出了分解卷积，将大卷积因式分解成小卷积核非对称卷积，体现在数学上就是矩阵的分解，即一个大矩阵可以分解成多个小矩阵相乘。由于简单的增大Inception网络的规模是不可行的，这样会导致计算效率变低，Inception v3在v2的基础上去除低层辅助分类器，高层辅助分类器加入BN层作为正则化器。将较大的卷积核分解为串联的小卷积核，能够进行维度缩减，同时小卷积核在多次串联后，并不会缩小感受野，进而提取的特征所代表的感受野不受影响。而并联卷积核池化，避免了表征瓶颈。
Inception Net 家族进化史：从V1到V4与ResNet的融合
Inception V4和Inception-ResNet（2016年2月，InceptionV4、Inception-ResNet and the Impact of Residual Connections on Learning）是Inception系列的最后两个版本，它们结合了Inception架构和残差网络（ResNet）...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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