在训练数据和计算资源增加之后,提高计算资源的利用率成为了需要研究的问题。这篇论文提出Inception结构,希望对卷积神经网络进行模块化,在保持计算量不变的情况下提高泛化能力。

关键词:

  • Contrast Normalization(局部对比归一化)
  • max pooling(最大值池化)
  • 1 x 1 convolutional layer(降维卷积层)
  • Hebbian principle(赫布原则)
  • rectified linear activation(ReLU激活函数)
  • mean average precision(mAP)

笔记:

GoogLeNet P1.png
GoogLeNet P2.png
GoogLeNet P3.png
GoogLeNet P4.png
GoogLeNet P5.png
GoogLeNet P6.png
GoogLeNet P7.png
GoogLeNet P8.png
GoogLeNet P9.png

标签: CNN, 神经网络, Convolution, Google, Inception

仅有一条评论

  1. 和好客 和好客

    我来回访,挂个外链!

评论已关闭