GoogLeNet之inception子產品

• GoogLeNet最初的想法很簡單： 若想得到更好的預測效果，就要增加網絡的複雜度。可從兩個角度出發：網絡深度和網絡寬度（不過深度相比寬度在增加網絡的複雜性方面更加有效）。更複雜的網絡會帶來更大的計算資源消耗，而且當卷積核個數設計不合理導緻卷積核中的參數沒有被完全利用（多數權重都趨近于0）時，會導緻大量計算資源的浪費。GoogLeNet引入inception子產品來解決這個問題
• inception子產品的作用： 代替人工确定卷積層中的卷積核大小或者确定是否需要建立卷積層和池化層。即不需要人為的決定使用哪個過濾器，是否需要池化層等，由網絡自行決定這些參數，可以給網絡添加所有可能值，将輸出連接配接起來，網絡自己學習它需要什麼樣的參數。是以可以使計算量大大減少，收斂更快。
• GoogLeNet的另外一個特點：主幹網絡全部使用卷積網絡，僅在最終分類層使用全連接配接層
• GoogleNet獲得了2014年比賽冠軍，這個model證明了一件事：用更多的卷積，更深的層次可以得到更好的結構。（當然，它并沒有證明淺的層次不能達到這樣的效果）
• 參數量：500萬

Inception 結構

Inception 結構借鑒了NIN網絡的多層感覺機卷積層

多層感覺機 卷積層(1 x 1卷積)（Multilayer Perceptron ,縮寫MLP）

• MLP卷積取代傳統線性卷積核

• 重要作用：

  （1）1x1的卷積核操作還可以實作卷積核通道數的降維和升維，實作參數的減小化

  （2）多個1x1的卷積核，提高特征抽象能力

• 參考文章：

  GoogLeNet網絡的綜述

  極簡解釋inception V1 V2 V3 V4

  從GoogLeNet至Inception v3