小白入门深度学习 | 6-6：Inception v3 算法原理

一、理论基础

Inceptionv3论文：Rethinking the Inception Architecture for Computer Vision.pdf

Inception v3由谷歌研究员Christian Szegedy等人在2015年的论文《Rethinking the Inception Architecture for Computer Vision》中提出。Inception v3是Inception网络系列的第三个版本，它在ImageNet图像识别竞赛中取得了优异成绩，尤其是在大规模图像识别任务中表现出色。
Inception v3的主要特点如下：

1. 更深的网络结构：Inception v3比之前的Inception网络结构更深，包含了48层卷积层。这使得网络可以提取更多层次的特征，从而在图像识别任务上取得更好的效果。
2. 使用Factorized Convolutions：Inception v3采用了Factorized Convolutions（分解卷积），将较大的卷积核分解为多个较小的卷积核。这种方法可以降低网络的参数数量，减少计算复杂度，同时保持良好的性能。
3. 使用Batch Normalization：Inception v3在每个卷积层之后都添加了Batch Normalization（BN），这有助于网络的收敛和泛化能力。BN可以减少Internal Covariate Shift&#x