最开始卷积的层数不断增加,后来开始修改卷积核的形式。
一
二Inception-V1
同一层级进行多尺度卷积,扩展了宽度,同时加强对小目标的检测能力。
A、引入1*1的卷积是为了降维,降低通道维度。
B、在中间层加入辅助损失,辅助损失只用于训练。
C、表征性瓶颈:当卷积不会大幅度改变输入维度时,神经网络可能执行的更好。因子分解方法。。
三、Inception-V2
https://arxiv.org/pdf/1512.00567v3.pdf
A、因式分解降低了参数数量、增加了网络深度。
B、由串联改为并联:若网络过深且维度减少会导致信息丢失。改为并联增加网络宽度。
四、inception V3
五、inception v4
https://arxiv.org/pdf/1602.07261.pdf
残差连接residual connection
参考 http://baijiahao.baidu.com/s?id=1601882944953788623&wfr=spider&for=pc