【AI-1000问】你知道为什么GoogLeNet也被称为InceptionNet吗?

什么是GoogleNet?什么是Inception?GoogleNet结构详解(2014年) googleNet是2014年的ILSVRC的冠军模型,GoogleNet做了更大胆的网络上的尝试,而不是像vgg继承了lenet以及alexnet的一切框架。GoogleNet虽然有22层,但是参数量只有AlexNet的1/12 GoogleNet论文指出获得高质量模型最保险的做法就是增加模型的深度,或者是它的宽度,但是一般情况下,更深和更宽的网络会出现以下问题: 参数太多,容易过拟合,如果训... 阅读详情

文章首发于微信公众号《有三AI》

【AI-1000问】你知道为什么GoogLeNet也被称为InceptionNet吗?

往期视频(前往公众号观看)

GoogLeNet为什么也被称为InceptionNet?

我们都知道在2014年ILSVRC 比赛中GoogLeNet获得了冠军,其所用模型参数不足AlexNet(2012年冠军)的1/12,但性能却比AlexNet好不少。我们从其论文题目《Going deeper with convolutions》中的deeper也能明白它的贡献,deeper有两层含义,一是指其引入了一种新的结构“Inception module”,二就是其直接含义——网络深度(depth)的增加。今天【AI-1000问】第六问,我们就聊聊GoogLeNet为什么也被称为InceptionNet?

作者/编辑 汤兴旺

 

大家还记得多年前,那一部超级烧脑的电影《inception》吗?如果这个名字不熟悉,那么《盗梦空间》你应该还记得吧!

Dom Cobb(由莱昂纳多·迪卡普里奥饰演)与Robert Fischer(由Cillian Murphy饰演)对话时的那一句:“We need to go deeper”,可谓是引发高潮。讲述的就是如何在某人心中植入思想,寓意进行更深刻的感知。

我们知道AlexNet、VGG等结构都是通过增大网络的深度(层数)来获得更好的训练效果,所以早期设计网络的时候,自然也是走这样的路线,从LeNet的7层,到AlexNet的8层,VGG的16层,19层。不过层数的增加也会带来很多负作用,比如overfit、梯度消失、梯度爆炸等。

GoogLeNet是2014年的分类比赛冠军,网络达到了22层,参数量为5M,核心就是Inception模块,名字的来源主要便是上面的“inception”, 寓意一个比以前的网络都更深的网络,当然这实际上还是一个多尺度,“更宽”的网络设计,结构如下:

因此我们也把GoogLeNet称做InceptionNet,毕竟GoogLet是第一个提出InceptionNet的。

 

思考

你对GoogLeNet为什么也被称为InceptionNet理解了吗?另外如果你想更深入的了解InceptionNet,请看我们的往期文章【模型解读】GoogLeNet中的inception结构,你看懂了吗,另外,GoogLeNet中的L,为什么是大写而不是Google的小写,你知道吗?

转载文章请后台联系

侵权必究

感谢各位看官的耐心阅读,不足之处希望多多指教。后续内容将会不定期奉上,欢迎大家关注有三公众号 有三AI!

深度学习经典卷积神经网络之GoogLeNet(Google Inception Net) 一、GoogLeNet相关论文及下载地址 [v1] Going Deeper withConvolutions, 6.67% test error,2014.9 论文地址:http://arxiv.org/abs/1409.4842 [v2] Batch Normalization:Accelerating Deep Network Training by Reducing Internal 阅读详情

相关推荐

GoogleNet V4-Inception

CNN GoogleNet 2015 (v4) Inception-v4 Inception-ResNet and the Impact of Residual Connections on Learning.pdf

CV 经典主干网络 (Backbone) 系列: GoogLeNet(InceptionNet)

CV 经典主干网络 (Backbone) 系列: GoogLeNet(InceptionNet) GoogLeNet 有多个版本(V1到V4),这里讲的仅仅是 V1。如果想全面了解可以参考 图像分类丨Inception家族进化史「GoogleNet、Inception、Xception」。 GoogLeNet 也叫 Inception net, 因为 GoogLeNet 中的核心组成部分就是 inception module.另外值得一提的是 GoogLeNet 的名字有向 LeNet 致敬的意思. Goo

生命在于折腾! 1137

机器学习——Anaconda下载安装教程

Anaconda详细下载安装教程

2401_83693485的博客 3070

ResNets和Inception的理解

翻译自吴恩达的deeplearning.ai课程,及时记录下来。原网址:点击打开链接     1、残差网络(Residual Networks (ResNets)) 非常非常深的神经网络是很难训练的,因为存在梯度消失和梯度爆炸问题。这节课我们学习跳跃连接(Skip connection),它可以从某一层网络层获取激活,然后迅速反馈给另外一层,甚至是神经网络的更深层。我们可以利用跳跃连接构建...

legend_hua的博客 1万+

SAP 资产主数据屏幕增强:对比字段追加与子屏幕/页签 2 种方案优劣

本文深入对比了SAP资产主数据(AS01/AS03)屏幕增强的两种方案:字段追加与子屏幕/页签。从技术实现、业务适配、系统维护等维度分析各自优劣,提供方案选型决策树和混合方案实践建议,帮助企业在SAP实施中做出最优选择。

weixin_28559803的博客 285

Eclipse在Mac上报错JNI_CreateJavaVM?可能是你的JDK架构搞错了(附Adoptium JDK下载指南)

本文深入解析了Mac(尤其是Apple Silicon芯片)上Eclipse启动时出现“JNI_CreateJavaVM”错误的根本原因,即JDK架构(aarch64与x86_64)不匹配。文章提供了详细的诊断步骤,并推荐通过下载并配置Eclipse Adoptium提供的aarch64版本JDK来彻底解决问题,同时附上清晰的配置指南。

weixin_29065659的博客 321

【TensorFlow】经典卷积神经网络(InceptionNet,ResNet)

经典卷积神经网络(InceptionNet,ResNet)

gardenia的博客 1156

芒果YOLOv8改进165:损失函数angleLoss:即插即用 | 独家首发原创新颖|公开数据集DOTA高效无损涨点0.5% | 旋转检测

YOLOv8改进:旋转检测Loss损失函数angleLoss:即插即用 | 独家首发原创新颖|公开数据集DOTA高效无损涨点0.5%

包括YOLOv5、YOLOv7、YOLOv8等模型改进 1155

19_谷歌GoogLeNet(InceptionV1)深度学习图像分类算法

https://www.bilibili.com/video/BV17g411L7Se/?spm_id_from=333.999.0.0&vd_source=7dace3632125a1ef7fd32c285eb2fbac

技术博客 1654

YOLOv10 的损失函数解析

YOLOv10 在 YOLO 系列的演进中进一步优化了任务解耦与动态平衡策略,通过 ​多模态损失融合、自适应样本分配 和 ​轻量化设计,显著提升了检测精度与推理效率。

浩瀚之水的专栏 1380

高通SDX35平台 modem启动异常分析

SDX35 MIFI项目在生产时出现modem反复重启问题。经排查发现是modem在初始化GNSS模块时访问了不存在的硬件地址导致崩溃,原因是产线使用的SDX35 000-AB型号芯片阉割了GNSS功能,而本地测试使用的AA型号支持该功能。解决方案是通过修改modem编译选项,采用高通新提供的genlmm2选项(保留IMS和SMS功能但去除GNSS支持),最终解决了启动异常问题并满足VZW认证需求。

四儿家的小祖宗的博客 275

神经网络的Inception与GoogleNet

1.背景介绍 在过去的几年里,深度学习技术在图像识别、自然语言处理等领域取得了显著的进展。其中,神经网络的Inception和GoogleNet是两个非常有影响力的架构,它们都采用了一些创新的方法来提高模型的性能。在本文中,我们将深入探讨这两个架构的核心概念、算法原理以及实际应用场景。 1. 背景介绍 1.1 深度学习的发展 深度学习是一种通过多层神经网络来学习数据特征的机器学习方法。它的...

AI天才研究院 1224

英伟达DeepStream学习笔记7——DeepStream接入USB相机并实现广角摄像头的畸变矫正

deepstream官方提供了一个畸变矫正的例子,包含了鱼眼和普通广角的矫正。我目前准备做一个广角的畸变矫正,我已经使用opencv实现功能,目前增加到deepstream框架中。示例代码在\opt\nvidia\deepstream\deepstream-5.0\sources\apps\sample_apps\deepstream-dewarper-test 中,鱼眼矫正——deepstream官方版 https://developer.nvidia.com/blog/calibration-trans

耶律大石的博客 1602

【完结】AI1000问以后知识星球和B站见啦

文/编辑 | 言有三 学习从来都是从大处着眼,小处着手。前段时间公众号开通了专栏《AI 1000问》,专门选择那些很小,容易被忽视,普通但是不简单,可以引申很多思考的问题,得到了大家的喜欢,现在已经12期了。 因为知识点无法系统性串接,而且内容更新会不定时,所以后续AI1000问就会全部并入知识星球了,欢迎继续来关注噢。 下面我们再来回顾一下之前的12个问题吧,在没有看我们公众号内容之前...

hacker_long的专栏 1092

14 硬件工程师笔面试高频考点真题解析——逻辑门

逻辑门是数字电路的基本单元,实现布尔运算(如与、或、非、异或等)。OC门(集电极开路)和OD门(漏极开路)需外接上拉电阻,支持“线与”逻辑,适用于I2C总线等场景,避免推挽输出并联导致的短路问题。三态门具有高、低、高阻三种状态,用于总线分时复用。推挽输出因内置上下管,禁止并联,否则会引发电源短路。三者区别在于:推挽驱动强但不可并联;OC/OD需上拉,支持线与;三态门通过使能控制实现高阻隔离,适用于共享总线设计。

XU157303764的博客 1904

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

人工智能算法工程师(中级)课程15-常见的网络模型及设计原理与代码详解

大家好,我是微学AI,今天给大家介绍一下人工智能算法工程师(中级)课程15-常见的网络模型及设计原理与代码详解。 本文给大家介绍常见的网络模型及其设计原理与代码实现,涵盖了LeNet、AlexNet、VggNet、GoogLeNet、InceptionNet、ResNet、DenseNet、DarkNet、MobileNet等经典网络。通过对这些网络模型的深入剖析,我们了解到LeNet是最早的卷积神经网络,适用于手写数字识别;

微学AI的博客 1163

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

【深度学习经典网络架构—4】:GoogLeNet(Incepetion系列V1、V2、V3)

之前我们说VGG拿到了ImageNet挑战赛(ILSVRC2014)分类项目的亚军,冠军就是谷歌提出的GoogLeNet,而**Inception模型是GoogLeNet的核心**。 要想提高网络性能,常用方法就是提高神经网络的深度与宽度,但这也会带来两个问题

王乐予的博客 6783

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

深度学习网络篇之三:GoogLeNet系列(Inception V1 V2 V3 V4)

GoogLeNet网络图: GoogLeNet和inception关系: GoogLeNet包含9个inception模块,根据inception(v1,v2,v3,v4)版本不同,GoogLeNet的版本也不同。因为GoogLeNet的核心模块就是inception,所以也叫inceptionNet。 InceptionV1: 最初的版本: 最终版本: 优点:1、减少参数。2、网络更深增强...

wuyouyin123的博客 1675

【3】卷积神经网络之GoogLeNet和Inception

GoogLeNet网络详解

j_qin的博客 1176

GoogLeNet 与 Inception

Inception就是把多个卷积或池化操作,放在一起组装成一个网络模块,设计神经网络时以模块为单位去组装整个网络结构。模块如下图所示:在未使用这种方式的网络里,我们一层往往只使用一种操作,比如卷积或者池化,而且卷积操作的卷积核尺寸也是固定大小的。但是,在实际情况下,在不同尺度的图片里,需要不同大小的卷积核,这样才能使性能最好,或者说,对于同一张图片,不同尺寸的卷积核的表现效果是不一样的,因为他们的感受野不同。

pengxiang1998的博客 2185

【经典网络解析(六)】GoogleNet | Inception块,1*1卷积核,辅助分类器 整体结构代码

GoogleNet网络全解析,Inception块,小卷积核

专注于人工智能的算法与应用 785

CNN——GoogLeNet

GoogLeNet是谷歌推出的基于Inception模块深度卷积神经网络结构。L和N大写还是为了致敬LeNet。在随后的两年中一直在改进,形成了Inception V2、Inception V3、Inception V4等版本。GoogLeNet(Inception-V1),在ImageNet 2014年图像分类竞赛以top-5误差6.7%获得冠军(亚军为VGG)。

weixin_64924692的博客 2061

【论文阅读】从经典网络结构理解图像分类模型的发展(三)——GoogLeNet/Inception

GoogleNet及其Inception系列模型在深度学习领域是非常重要的里程碑,它们推动了网络架构的创新,并对后续的网络设计产生了深远影响。然而,随着深度学习技术的不断进步,一些特性被新的设计理念所取代,而其他一些特性则被保留并进一步发展。被淘汰的特性:5x5 卷积:随着Inception模型的发展,大尺寸的卷积核(如5x5)被逐渐淘汰,因为它们计算成本高,效率低下。在后续版本中,更多地使用了分解卷积的策略,例如使用一系列较小的卷积核(如3x3 或 1x1)来替代。辅助分类器。

1 1177

GoogLeNet和Inception v1、v2、v3、v4网络介绍

文章目录CNN神经网络的演化过程GoogLeNet原始版本GoogLeNet Inception V1GoogLeNet Inception V2GoogLeNet Inception V3GoogLeNet Inception V4 CNN神经网络的演化过程 Hubel&Wiesel | Neocognitron | LeCun1989 | LeNe...

记忆碎片的博客 9172

使用自己的数据集训练GoogLenet InceptionNet V1 V2 V3模型(TensorFlow)

使用自己的数据集训练GoogLenet InceptionNet V1 V2 V3模型(TensorFlow) 【尊重原创,转载请注明出处】https://blog.youkuaiyun.com/guyuealian/article/details/81560537 新增博客《使用自己的数据集训练MobileNet、ResNet图像识别(TensorFlow)》https://panjinquan.blo...

AI吃大瓜的博客 5万+

论文解析:理论分析Inception模块和GoogLeNet

本文主要是梳理了Inception模块的设计思路,重点关注了文章一直在强调的“稀疏性”,分析了这种稀疏性是如何和多尺度卷积核联系在一起的。

罟霖同学的站点 2693
上一篇: 【AI-1000问】为什么信号有单位而且是dB?
下一篇: 【技术综述】基于弱监督深度学习的图像分割方法综述​
言有三
言有三 领域专家: 人工智能技术领域 领域专家: 人工智能技术领域
博客等级 码龄15年 3635粉丝 976原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

言有三

三人行必有AI

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值