【论文阅读】Going Deeper with convolutions

最新推荐文章于 2021-11-20 08:14:10 发布

MoFMan

最新推荐文章于 2021-11-20 08:14:10 发布

阅读量667

点赞数

分类专栏：论文阅读文章标签：深度学习神经网络机器学习 googlenet CNN

本文链接：https://blog.youkuaiyun.com/MoFMan/article/details/107292617

版权

论文简介：

《Going Deeper with convolutions》是谷歌团队，在2014ILSVRC (ImageNet Large Scale Visual Recognition Competition)竞赛中，在分类任务中获得第一名的22层的Inception网络实例GoogLeNet的论文详解。

一、Abstract 摘要

基于Hebbian principle、图像多尺度处理等原理，作者提出一种新的Inception网络结构单元模块，基于Inception网络结构单元模块，采用一些巧妙的设计，构造出一个宽度和深度都较大，性能更好，但是参数量和计算需求不太大的网络模型GoogLeNet。

二、Introduction 介绍

深度学习在计算机视领域的巨大进步，不是在单纯的增加网络的宽度、深度，使用更大的网络模型，更好的硬件资源以及更大的数据集来获得的，而是来自于一些新的思想、算法、网络结构等。例如目标检测的R-CNN结合了传统视觉和CNN的优点。算法性能很重要，算法的内存消耗以及计算量也很重要，其决定了算法能否得到实际使用。

增大网络宽度（神经网络一层的神经元的个数，卷积核的个数）、深度，再加上使用dropout解决过拟合问题，是一个可以较稳妥的获得较好效果的网络模型的手段，但是是低效的。且也需要较大的数据集，构建高质量数据集是棘手且昂贵的一件事。