GoogLeNet：Inception V3：Rethinking the Inception Architecture for Computer Vision论文笔记

论文地址：Rethinking the Inception Architecture for Computer Vision

前言

俗话说得好，探索的道路是永无止境的，GoogLeNet经过了Inception V1、Inception V2（BN）的发展以后，Google的Szegedy等人又对其进行了更深层次的研究和拓展，在本文中，作者提出了当前环境下，网络设计的一些重要准则，并根据这些准则，对原有的GoogLeNet进行了改进，提出了一个更加复杂、性能更好的模型框架：Inception V3。这篇文章证明了这些改进的有效性，并为以后的网络设计提供了新的思路。

背景

自ILSVRC2014之后，GoogLeNet备受追捧，它具有非常好的性能，虽然它的网络拓扑比较复杂，但是由于其特殊的设计模式（见前两篇文章），它的参数量、内存与计算资源的消耗都比传统的网络、甚至是同期的VGG相比，都要小很多，因此GoogLeNet的适用性更强。但是GoogLeNet也存在它的缺陷，Inception的复杂性注定了网络的改变会很困难，随着网络结构的拓展，如果仅仅是简单的通过复制模块来对模型进行放大，模型计算上的优势将会消失，并且GoogLeNet原文中也并没有提出网络设计的原理和准则，因此很难在