GoogleNet Inception

浅谈对googlenet的理解

最近有看关于GoogleNet的一系列文章，对Inception结构有了一定的了解，简单的来说，GoogleNet的网络结构与普通网络结构的最大不同是从两个方面增加了网络的“深度”，一方面是纵向深度，也就是人们通常所说的网络的层数，另一方面是横向深度，这个深度是Inception结构所特有的，思想是借鉴之前的一篇名为《Network In Network》的论文。

GoogleNet V1

GoogleNet v1受到之前《Network In Network》论文的启发，提出了一种新的网络结构，他们称之为Inception Model。众所周知，传统的网络包括AlexNet、VGGNet等，它们的网络结构大都是一个卷积层后面紧接一个池化层，最后再接一个激活层，这样的小model再不断循环，便构成了一个卷积神经网络，其中每个卷积层中只包含一种大小的卷积核。GooleNet将卷积层中的不同卷积核大小的种类由原先的一个替换成了四个，形成了一个横向的扩张，这四个卷积核分别是一个1x1的卷积，一个3x3的卷积，一个5x5的卷积再加上一个3x3的最大池化层，最后再将这三种不同大小的卷积核所提取到的特征融合在一起，作为下一层的输入。
此外，文中对于这种Inception结构给出了两种版本，一种是Inception module naive version，而另一种就是Inception model with dimension reductions.
这两种结构如下图所示：