GoogleNet简述（图像分类篇）

文章是对博主视频讲解的一些总结。
博主链接：https://blog.csdn.net/qq_37541097?spm=1001.2014.3001.5509

1.预言

GoogLeNet来自2014年，出自Goole团队之手。

2.亮点

1.引入了Inception结构（融合了不同尺度的特征信息）===并行结构
2.使用了1x1的卷积核进行降维以及映射处理
3.添加两个辅助分类器帮助训练
4.丢弃FC层，使用平均池化层（大大减少模型参数）

2.1 Inception结构

当你不知道该采用什么样子卷积核尺寸的时候，使用这种的结构效果很好

• 对一张图片使用不同尺度的卷积核进行特征捕捉，再最后进行拼接（保证shape相同）
  

• 优化inception结构，主要是加入降维的结构（减少参数量）
  

2.2 辅助分类器

*** 为了避免梯度消失，网络额外增加了2个辅助的softmax用于向前传导梯度***

3.网络结构介绍

将单独的inception模块重复连接得到整个网络。