GoogLeNet分类结构（V1、V2）

1.算法思想

         GoogleLeNet是在AlexNet、VGG分类网络之后出现的新的分类网络，其解决的问题获得更加高级的特征且同时减少训练参数。

         GoogLeNet共有22层（卷积），其中包含9个线性堆叠的Inception模块，且在最后一个Inception模块处使用全局平均池化。

2.InceptionV1结构

        首先对前层特征图进行1*1卷积操作，用于降低通道数量，减少训练参数；之后使用不同大小的卷积核进行卷积操作，最后，按通道合并各特征图。

3.算法特点

       1.若想获得更加高级的特征，以往的方式是增加网络的深度，而GoogLeNet则是通过增加网络的宽度来实现此目的。

       2.Inception模块综合考虑多个卷积核的运算结果，获得输入图像的不同信息，获得更好的图像表征。