Inception v2

论文：

 Inception[V2]: Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift

https://arxiv.org/abs/1502.03167

 

Inception v2的网络，代表作为加入了BN（Batch Normalization）层，并且使用2个3*3替代1个5*5卷积的改进googleNet。

相对一Inception v1改进：

1.加入了BN层，减少了InternalCovariate Shift（内部神经元的数据分布发生变化），使每一层的输出都规范化到一个N(0, 1)的高斯，从而增加了模型的鲁棒性，可以以更大的学习速率训练，收敛更快，初始化操作更加随意，同时作为一种正则化技术，可以减少dropout层的使用。

2.学习VGG用2个3x3的conv替代5x5的conv，在降低参数的同时建立了更多的非线性变换，使得 CNN 对特征的学习能力更强

 

参考：

https://www.cnblogs.com/haiyang21/p/7243200.html

https://blog.youkuaiyun.com/qq_14845119/article/details/73648100