InceptionV3模型
一、模型框架
InceptionV3模型是谷歌Inception系列里面的第三代模型，其模型結(jié)構(gòu)與InceptionV2模型放在了同一篇論文里，其實(shí)二者模型結(jié)構(gòu)差距不大，相比于其它神經(jīng)網(wǎng)絡(luò)模型，Inception網(wǎng)絡(luò)最大的特點(diǎn)在于將神經(jīng)網(wǎng)絡(luò)層與層之間的卷積運(yùn)算進(jìn)行了拓展。
如VGG，AlexNet網(wǎng)絡(luò)，它就是一直卷積下來(lái)的，一層接著一層；
ResNet則是創(chuàng)新性的引入了殘差網(wǎng)絡(luò)的概念，使得靠前若干層的某一層數(shù)據(jù)輸出直接跳過(guò)多層引入到后面數(shù)據(jù)層的輸入部分，后面的特征層的內(nèi)容會(huì)有一部分由其前面的某一層線性貢獻(xiàn)。
而Inception網(wǎng)絡(luò)則是采用不同大小的卷積核，使得存在不同大小的感受野，最后實(shí)現(xiàn)拼接達(dá)到不同尺度特征的融合。
對(duì)于InceptionV3而言，其網(wǎng)絡(luò)中存在著如下的結(jié)構(gòu)。
二、結(jié)構(gòu)層次
網(wǎng)絡(luò)優(yōu)點(diǎn)
存在著這樣的結(jié)構(gòu)，利用1x7的卷積和7x1的卷積代替7x7的卷積，這樣可以只使用約（1x7 + 7x1) / (7x7) = 28.6%的計(jì)算開(kāi)銷(xiāo)；利用1x3的卷積和3x1的卷積代替3x3的卷積，這樣可以只使用約（1x3 + 3x1) / (3x3) = 67%的計(jì)算開(kāi)銷(xiāo)。
下圖利用1x7的卷積和7x1的卷積代替7x7的卷積（這個(gè)結(jié)構(gòu)主要在代碼中的block2使用）。
下圖利用1x3的卷積和3x1的卷積代替3x3的卷積（這個(gè)結(jié)構(gòu)主要在代碼中的block3使用）。
代碼實(shí)現(xiàn)(tesorflow2)
https://github.com/weigesdl/Classical_convolution_network_model/blob/master/InceptionV3.ipynb
原文鏈接：
https://blog.csdn.net/weixin_44791964/article/details/102802866
http://www.itdecent.cn/p/3bbf0675cfce
