四、经典网络6（GoogleNet）

已于 2022-05-03 08:18:18 修改
阅读量464 收藏 2
点赞数
分类专栏： 深度学习(上) 文章标签： 网络 深度学习 cnn 人工智能 机器学习
于 2022-05-02 21:05:21 首次发布
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_53832681/article/details/124546490
版权

模型结构

4f92d38293a94a3b9fa0f75e6c6a5dbe.png

 

watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5ruh5ruhbXlubw==,size_20,color_FFFFFF,t_70,g_se,x_16

 

Inception 结构

127529ec145c4ccc8182d809dc4d25a4.png

对上图做以下说明：
1 . 采用不同大小的卷积核意味着不同大小的感受野，最后拼接意味着不同尺度特征的融合；
2 . 之所以卷积核大小采用 1、3 和 5，主要是为了方便对齐。设定卷积步长 stride=1 之后，只要分别设定 pad=0、1、2，那么卷积之后便可以得到相同维度的特征，然后这些特征就可以直接拼接在一起了；
3 . 文章说很多地方都表明 pooling 挺有效，所以 Inception 里面也嵌入了
最低0.47元/天 解锁文章
满满myno
关注
专栏目录
GoogLeNet计算过程
Seven_year_Promise的博客
03-08 1906
GoogLeNet: Input: 10x3x224x224 按照我们的要求将数据集reshape成我们期望的格式，即3channel,height224,width224，一次处理10张（暂且按一张处理）Layer 1 7x7 convolution 7x7，输出64，Padding为3，Stride为3，还有一个bias； 首先在输入加3depth的p
GoogLeNet网络结构的实现和详解
pyscl01的博客
10-29 4653
GoogLeNet网络详解
GoogLenet网络详解
fakerth的博客
11-17 7169
GoogLenet网络详解
GoogLeNet网络详解
最新发布
K的博客
11-17 1555
CNN经典模型-GoogLeNet网络详解
卷积网络的运算过程、特征图大小计算与参数计算过程
qq_34621022的博客
05-15 7311
卷积神经网络的运算过程以及参数计算过程 写这篇文章是因为发现自己这么久以来把卷积核的计算过程理解错了，一直到和师兄交流的时候擦发现，抓紧写一篇博客记录一下。 1. 卷积神经网络的计算 以上图为例，假设输入的图片是32×\times× 32×\times× 3大小，也就是我们所说的输入为32×\times× 32大小的RGB图像。我一直理解错的就是这幅图像与卷积核计算的过程，具体怎么错的就不误解大家了。 假设现在我们要用一个5×\times× 5×\times× 3的卷积核来提取图片中的特征，首先需要注意的
深入解读GoogLeNet网络结构（附代码实现）
雷恩Layne
08-25 3万+
前言 七夕了，看着你们秀恩爱，单身狗的我还是做俺该做的事吧！ 在上一篇文章中介绍了VGG网络结构，VGG在2014年ImageNet 中获得了定位任务第1名和分类任务第2名的好成绩，而同年分类任务的第一名则是GoogleNet 。GoogleNet是Google研发的深度网络结构，之所以叫“GoogLeNet”，是为了向“LeNet”致敬，有兴趣的同学可以看下原文Going Deeper with Convolutions。 与VGGNet模型相比较，GoogleNet模型的网络深度已经达到了22层（
经典网络解析.AlexNet,ZFNet,VGG,GoogLeNet,Resnet
weixin_40258368的博客
08-10 2148
我根据北邮鲁鹏老师的计算机视觉与深度学习课程,做了一些课后总结.不禁感叹,鲁鹏老师的课程很棒! AlexNet 在解决了过拟合问题(增加了数据规模)及显卡算力问题后,从12年的AlexNet开始,人们转头重新研究深度神经网络. ZFNet VGG GoogLeNet Resnet 一:AlexNet AlexNet验证了深度卷积神经网络的高效性,使得DNN得以再次蓬勃发展 主要贡献: 1:提出了一种卷积层加全连接层的卷积神经网络结构. (卷积层提取特征,全连接层进行分类) 2:首次使用ReLU函数做为
目标分类网络的介绍及应用（四）--GoogLeNet网络介绍
LIT_Elric的博客
06-24 2440
2.3 GoogLeNet (Inception)网络 GoogLeNet与VGGNet共同参加了2014年的ImageNet挑战赛，并以一定的优势获得冠军。GoogLeNet是由谷歌公司研究出来的深度学习网络结构，其最大的创新就是提出了Inception模块，所以2014年提出的GoogLeNet网络又称为Inception V1，后来谷歌公司又不断对其进行改进，先后又提出了V2、V3以及V4的...
深度学习经典卷积神经网络之GoogLeNet（Google Inception Net）
marsjhao Blog
06-12 3万+
一、GoogLeNet相关论文及下载地址 [v1] Going Deeper withConvolutions, 6.67% test error，2014.9 论文地址：http://arxiv.org/abs/1409.4842 [v2] Batch Normalization:Accelerating Deep Network Training by Reducing Internal
【深度神经网络】五、GoogLeNet网络详解
戴璞微的学习之路
03-26 7357
本篇文章的重点就是主要介绍GoogLeNet的网络架构
经典卷积神经网络算法(4)：GoogLeNet
chb4715的博客
06-09 253
html { font-family: sans-serif; -ms-text-size-adjust: 100%; -webkit-text-size-adjust: 100% } body { margin: 0 } article, aside, details, figcaption, figure, footer, header, hgroup, main, menu, nav, s...
深度学习经典网络（3）GoogleNet网络结构详解
青衫憶笙
07-11 9949
0.背景 获得高质量模型最保险的做法就是增加模型的深度（层数）或者是其宽度（每一层卷积核数或者神经元数），但是这里一般设计思路的情况下会出现如下的缺陷： 1.参数太多，若训练数据集有限，容易过拟合； 2.网络越大计算复杂度越大，难以应用； 3.网络越深，梯度越往后穿越容易消失，难以优化模型。 解决上述两个缺点的根本方法是将全连接甚至一般的卷积都转化为稀疏连接。为了打破网络对称性...
GoogleNet网络详解
m0_53292725的博客
10-15 3195
model # GoogleNe亮点 # 引入了Inception结构 （融合不同尺度的特征信息） # 使用1x1 的卷积核进行降维以及映射处理 # 添加两个辅助分类器帮助训练 # 丢弃全连接层，使用平均池化层（大大减少模型参数） # AlexNet和VGG都只有一个输出层 GoogleNet有三个输出层（其中两个辅助分类层） # 辅助分类层： 平均池化下采样 5x5filter和stride3 + conv 1x1 + FC + FC # 为什么大多数人都不去使用googlenet 而去使用vgg #
GoogLeNet网络结构学习
cape的博客
10-20 1万+
1.背景介绍　　GoogLeNet, 一个22层的深度网络，2014年ILSVRC挑战赛冠军，将Top5 的错误率降低到6.67%。论文地址：Going deeper with convolutions。 　　 　　据说起名为“GoogLeNet”而非“GoogleNet”,是为了向早期的LeNet致敬。2.网络结构　　GoogLeNet网络的整体结构如下：GoogLeNet清晰版本3.主要创新
GoogLeNet系列解读
热门推荐
shuzfan的专栏
02-25 15万+
本文介绍的是著名的网络结构GoogLeNet及其延伸版本，目的是试图领会其中的思想而不是单纯关注结构。GoogLeNet Incepetion V1 Motivation Architectural Details GoogLeNet Conclusion GoogLeNet Inception V2 Introduction General Design Principles Factorizi
感受野简介
BEIERMODE666的博客
12-03 2162
感受野的简单理解以及计算 深度神经网络中的感受野(Receptive Field) - 知乎在机器视觉领域的深度神经网络中有一个概念叫做感受野，用来表示网络内部的不同位置的神经元对原图像的感受范围的大小。神经元之所以无法对原始图像的所有信息进行感知，是因为在这些网络结构中普遍使用卷积层和po…https://zhuanlan.zhihu.com/p/28492837感受野的增速是直接和卷积步长累乘相关的。如果要更加快的达到某个感受野尺度，可以让stride＞1的卷积核靠前，同时还有一个好处...
GoogLeNet学习心得
weixin_33739646的博客
09-02 309
转自：http://blog.csdn.net/liumaolincycle/article/details/50471289#t0 综述： http://blog.csdn.net/sunbaigui/article/details/50807362 googlenet和vgg是2014年imagenet竞赛的双雄，这两类模型结构有一个共同特点是go deeper。跟vgg不同的是，goo...
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

打赏作者

满满myno

非常感谢对我创作的支持，爱你呦

¥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