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

本文详细介绍了Inception V3的改进过程,基于GoogLeNet,遵循避免表达瓶颈、局部处理高维表达等设计准则,采用分解大滤波器、使用不对称结构和高效维度降低等方法,提升了模型性能,同时减少了计算资源的消耗。文章还探讨了低分辨率输入的处理策略和模型的未来发展方向。
摘要由CSDN通过智能技术生成

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 V1Inception 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

  • 10
    点赞
  • 28
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
评论 2
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
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