【深度学习】网络结构（VGG-16和Inception）

详解深度学习之经典网络架构（四）：VGG-Net

详解深度学习之经典网络架构（十）：九大框架汇总（墙裂！！）

一文读懂物体分类AI算法：LeNet-5 AlexNet VGG Inception ResNet MobileNet

Google Inception

Google Inception是一个大家族，包括inceptionV1 inceptionV2 inceptionV3 inceptionV4等结构。它主要不是对网络深度的探索，而是进行了网络结构的改进。

> InceptionV1

inceptionV1是一个设计十分精巧的网络，它有22层深，只有500万左右的参数量，模型大小仅为20M左右，但错误率却只有6.7%。它的网络结构特点如下

1. 去除了最后的全连接层，而使用全局平均池化来代替。这是模型之所以小的原因。AlexNet和VGG中全连接几乎占据了90%的参数量。而inceptionV1仅仅需要1000个参数，大大降低了参数量

2. inception module的使用。借鉴与Network in Network的思想，提出了inception module的概念，允许通道并联来组合特征。其结构如下：

inception module分为并联的四路，分别为单独的1x1卷积，1x1并联3x3, 1x1并联5x5, 池化后1x1卷积。使用不同的卷积结构来提取不同特征，然后将他们组合在一起来输出。

使用了1x1,3x3,5x5等不同尺寸的卷积，增加了提取特征面积的多样性，从而减小过拟合。

使用3个3x1取代3x3卷积，in fact，任意nxn的卷积都可以通过1xn卷积后接nx1卷积来替代。

简单回顾：