1409.GoogLeNet-Going deeper with convolutions
2018-01-23 11:43
447 查看
paper:链接
论文信息:
inception V1(也称GoogLeNet)是2014年Christian Szegedy提出的一种全新的深度学习结构,在这之前的AlexNet、VGG等结构都是通过增大网络的深度(层数)来获得更好的训练效果,但层数的增加会带来很多负作用,比如overfit、梯度消失、梯度爆炸等。inception的提出则从另一种角度来提升训练结果:能更高效的利用计算资源,在相同的计算量下能提取到更多的特征,从而提升训练结果。
inception结构的主要贡献有两个:一是使用1x1的卷积来进行升降维;二是在多个尺寸上同时进行卷积再聚合。有人会问,用1x1卷积降到96个特征后特征数不就减少了么,会影响最后训练的效果么?答案是否定的,只要最后输出的特征数不变(256组),中间的降维类似于压缩的效果,并不影响最终训练的结果。
论文信息:
inception V1(也称GoogLeNet)是2014年Christian Szegedy提出的一种全新的深度学习结构,在这之前的AlexNet、VGG等结构都是通过增大网络的深度(层数)来获得更好的训练效果,但层数的增加会带来很多负作用,比如overfit、梯度消失、梯度爆炸等。inception的提出则从另一种角度来提升训练结果:能更高效的利用计算资源,在相同的计算量下能提取到更多的特征,从而提升训练结果。
inception结构的主要贡献有两个:一是使用1x1的卷积来进行升降维;二是在多个尺寸上同时进行卷积再聚合。有人会问,用1x1卷积降到96个特征后特征数不就减少了么,会影响最后训练的效果么?答案是否定的,只要最后输出的特征数不变(256组),中间的降维类似于压缩的效果,并不影响最终训练的结果。
相关文章推荐
- going deeper with convolutions (Googlenet网络解读)
- Going deeper with convolutions-GoogLeNet(阅读)
- Inception系列1_Going deeper with convolutions GoogleNet inception
- Going deeper with convolutions(GoogLeNet、Inception)
- 【深度学习】论文导读:GoogLeNet模型,Inception结构网络简化(Going deeper with convolutions)
- Going deeper with convolutions-GoogLeNet(阅读)
- Going Deeper with Convolutions——GoogLeNet论文翻译
- Going deeper with convolutions----------(GoogLeNet) 论文解读
- 图像分类阅读4-GoogLeNet-Going Deeper with Convolutions
- GoogLeNet( Going deeper with convolutions)解读
- Going deeper with convolutions-GoogLeNet(阅读)
- googlenet笔记(Going Deeper with Convolutions)
- 【深度学习经典论文翻译2】GoogLeNet-Going Deeper with Convolutions全文翻译
- 【深度学习】论文导读:GoogLeNet模型,Inception结构网络简化(Going deeper with convolutions)
- 【CV论文阅读】Going deeper with convolutions(GoogLeNet)
- Going Deeper with Convolutions--Googlenet论文总结
- 论文阅读ImageNet Classification with Deep Convolutional Neural Networks &Going Deeper with Convolutions
- [深度学习] Going Deeper with Convolutions(GooLeNet)阅读笔记
- GoogLeNet Inception V1:Going deeper with convolutions论文笔记
- going deeper with convolution---googlenet