Christian Szegedy

概述

计算机视觉研究者，GoogLeNet/Inception 架构的主要设计者，后提出对抗样本概念。

关键内容

1. GoogLeNet 论文（2014）：发表《Going Deeper with Convolutions》，提出 Inception 模块，通过多尺度卷积核并行处理实现高效的特征提取。
2. Inception 模块：使用 1×1、3×3、5×5 卷积核并行计算并拼接输出，在保持计算效率的同时增加网络宽度。
3. Batch Normalization：与 Sergey Ioffe 合作提出 Batch Normalization，成为加速网络训练的标准技术。在 Inception 架构上验证 BN 效果，BN-Inception Top-5 错误率 4.82%（集成后 4.09%），超越当时人类表现（5.1%）。

来源

• ai_papers_timeline.md — 2014、2015 年时间线条目
• raw/articles/ai-papers/foundations/paper_04_batchnorm.md — 论文精读 #04：批归一化

相关

• GoogLeNet: Inception — contributed_to
• Batch Normalization — contributed_to
• Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift (2015 论文) — authored_by