GoogLeNet Inception v1-v4 简单对比

本文只对Inception的4个版本做了简单对比，详细内容参考：https://blog.youkuaiyun.com/qq_32172681/article/details/99977304

 

1、inception v1

inception v1提出了inception模块，用1*1卷积实现通道降维和增维，增加了网络深度和宽度。

 

2、inception v2

inception v2主要做的改进就是加入了batch normalization，batch normalization方法可以减弱这些变化，使得每一层的输入数据具有相同的均值和方差，增加模型训练的收敛速度。使用BN层，可以使用更大的学习率加速训练过程；可以取得类似于dropout的防止过拟合的作用；可以使用易于饱和的非线性函数(sigmoid)。

BN层详解：https://blog.youkuaiyun.com/qq_32172681/article/details/101435806

 

3、inception v3

Inception v3减少瓶颈结构、使用因子分解较大的卷积。

（1）对称卷积的空间因子分解，用两个3*3的卷积代替5*5的卷积