卷积神经网络各种经典模型--下篇

GoogLeNet / inception
Inception 是由 Google 提出的卷积神经网络模型，它的核心思想是使用多个不同大小的卷积核来捕捉不同尺度的特征，以提高模型的性能和准确性。该模型由一系列模块组成，每个模块都是由不同类型的卷积层组成的。
Inception 模型最初被称为 “GoogLeNet”，并在 2014 年 ImageNet 大规模视觉识别比赛 (ILSVRC) 上获得了冠军。它的核心是使用 Inception 模块来构建网络结构，每个 Inception 模块由多个不同的卷积层组成，这些卷积层并行执行，并将它们的输出连接在一起，以产生更丰富的特征表示。
在 Inception 模块中，使用 1x1、3x3 和 5x5 的卷积核来处理输入数据，这些不同尺度的卷积核可以捕捉不同尺度的特征。同时，还可以使用池化层来减小特征图的大小，以进一步减少计算量和参数数量。此外，在 Inception v3 之后，还加入了一种称为 “分支并行结构” 的设计，可以在不同的分支中使用不同的卷积核大小和数量，以进一步提高模型的性能。
Inception 模型的设计使得它可以适应不同的计算资源和任务需求，可以通过增加或减少模块的数量和深度来改变模型的大小和复杂度。这使得 Inception 成为了一种非常成功的卷积神经网络模型，被广泛应用于计算机视觉和自然语言处理等领域。

输入的通道是192，经过这个inception块后变成了64+128+32+32=256

GoogLeNet总体架构

Inception各种版本

GoogLeNet / inception沐神视频链接：https://www.bilibili.com/video/BV1b5411g7Xo/