Inception Network

概述

Inception网络（又称GoogLeNet）是一种创新的卷积神经网络架构，通过Inception模块实现了高效的多尺度特征提取。

关键内容

1. Inception模块：Inception模块同时使用不同尺寸的卷积核（1×1, 3×3, 5×5）和池化操作，在同一层级捕获不同感受野的特征，然后将输出在通道维度拼接。

2. 计算效率：通过大量使用1×1卷积进行降维和升维，有效减少了参数量和计算复杂度，使得网络可以在保持性能的同时加深层数。

3. 深度设计：GoogLeNet达到了22层深度（包含池化层），展示了通过模块化设计实现深度网络的可能性，对后续的CNN架构产生了深远影响。

来源

• ai_papers_timeline.md — 2014年Inception提出
• Going Deeper with Convolutions (2014 论文) — Christian Szegedy等人在Google的工作

相关

• Going Deeper with Convolutions (2014 论文) — described_in
• Christian Szegedy — created_by
• Google — developed_by
• Convolutional Neural Networks — instance_of
• Multi-Scale Feature Extraction — implements
• 1x1 Convolution — uses