描述

GoogleNet architecture

Inception module

GoogleNet 的核心在于 Inception 模块(v1 版本,后来在其他论文有提出该模块的新版本称为 v2、v3 等),该模块通过 4 条不同的路径对输出进行操作,最后再在 channel 维度上 concat 起来作为输出。根据是否需要维度缩减(dimensionality reduction,即减少特征的长宽),可以分为两种,见上图。

GoogleNet 还使用了辅助分类器(Auxiliary classifier),即网络结构图中中间的两个黄色分支,目的是增强梯度的传播,增强中间层的特征的学习,促使早期的网络层也能学到有辨别力的特征。这两个辅助分类器计算的损失的权重都为 0.3,他们与最终分类器(权重为 1)的和构成了最终的损失函数。

参考