GoogleNet在2014年由Google团队提出,斩获当年ImageNet竞赛中Classification Task (分类任务)第一名。
网络中的亮点:
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日 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)
整个网络结构如下:
inception结构如下
这里的1x1卷积作用是降维。可以减少参数。如下。
辅助分类器(Auxiliary Classifier)
两个辅助分类器结构相同。
层级 |
结构 |
输出大小 |
平均池化层 |
5x5大小,步长为3的卷积 |
4x4x512 for 4a 4x4x528 for 4d |
1维卷积层 |
128个1x1的卷积,ReL激活函数 |
不改变大小,只改变通道数 |
全连接层1 |
1024个节点数 |
|
全连接层1 |
使用70%的dropped outputs |
|
输出层 |
1000个类别 |
|
最终的网络表格如下,可以对比第一张图,是一样的。
参考: https://www.bilibili.com/video/BV1z7411T7ie