PyToch 深度学习 || 3. 卷积神经网络 | Ch3.4 卷积神经网络 GoogLeNet

Mr_LeeCZ

已于 2023-07-29 11:02:38 修改

阅读量120

点赞数

分类专栏： Pytorch 深度学习文章标签：深度学习 cnn 人工智能

于 2023-06-27 17:32:27 首次发布

本文链接：https://blog.youkuaiyun.com/weixin_40234309/article/details/131421913

版权

Pytorch 深度学习专栏收录该内容

26 篇文章 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了Google研发的深度网络结构GoogLeNet，包括其在ImageNet竞赛中的表现，核心的Inception结构，1x1卷积的应用，辅助分类器，以及参数量的优化。GoogLeNet家族从V1到V4的演进，特别是Inception模块的设计，通过并行不同尺度的滤波器进行卷积和池化，降低了模型复杂度。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

卷积神经网络 GoogLeNet

VGG在2014年由牛津大学著名研究组vGG (Visual Geometry Group)提出，斩获该年lmageNet竞赛中Localization Task (定位任务)第一名和 Classification Task (分类任务)第二名。Classification Task (分类任务)的第一名则是GoogleNet 。GoogleNet是Google研发的深度网络结构，之所以叫“GoogLeNet”，是为了向“LeNet”致敬。

GoogLenet网络亮点
1.引入了Inception结构（融合不同尺度的特征信息)
2.使用1x1的卷积核进行降维以及映射处理
3.添加两个辅助分类器帮助训练
4.丢弃全连接层，使用平均池化层(大大减少模型参数)

GoogLeNet也叫InceptionNet，是在2014年被提出来的，如今已经进化到了v4版本。采用了比VGGNet更深的结构，一共有22层，但参数量缺少了很多。

GoogleNet家族：
(1) V1版本提出了inception的理念，大胆使用了 1 x 1 的卷积核来压缩通道数；
(2) V2版本借鉴了VGG的理念(定制Inception时，在其内部采用标准化卷积核)；
(3) V3（2015）版本将VGG的理念发扬广大，将“标准化”推广到一般