GoogleNet（Going deeper with convolutions）网络简单介绍（笔记）

GoogleNet在2014年由Google团队提出，斩获当年ImageNet竞赛中Classification Task (分类任务)第一名。
网络中的亮点:
1、引入了 Inception结构( 融合不同尺度的特征信息)                                                                        2、使用1x1的卷 积核进行降维以及映射处理日                                                                                  3、添加两个辅助分类器帮助训练                                                                                                      4、丢弃全连接层，使用平均池化层(大大减少模型参数)

整个网络结构如下：

 inception结构如下

这里的1x1卷积作用是降维。可以减少参数。如下。

 

 辅助分类器(Auxiliary Classifier)

两个辅助分类器结构相同。

层级	结构	输出大小
平均池化层	5x5大小，步长为3的卷积	4x4x512 for 4a 4x4x528 for 4d
1维卷积层	128个1x1的卷积，ReL激活函数	不改变大小，只改变通道数
全连接层1	1024个节点数
全连接层1	使用70%的dropped outputs
输出层	1000个类别

 最终的网络表格如下，可以对比第一张图，是一样的。

参考： https://www.bilibili.com/video/BV1z7411T7ie