【分类网络】GoogLeNet

⭐ GoogLeNet

参考文献：《Going Deeper with Convolutions（2014）》

GoogLeNet是2014年ILSVRC竞赛的获胜者，又名Inception V1。GoogLeNet不像VGG继承了LeNet以及AlexNet的一些框架，它在网络上做了更大胆的尝试，该模型虽然只有22层，但参数量只有AlexNet的1/12。

---

✔️诞生背景

获得高质量模型最保险的做法就是增加模型的深度(层数)或者是其宽度(层核或神经元数)，但是一般情况下更深或更宽的网络会有如下问题：参数过多容易过拟合；网络越大计算复杂度越大，难以应用；网络越深，梯度越往后越容易消失，难以优化模型。

✔️网络结构


GoogLeNet的整体网络架构如上图所示，它的两个主要创新点分别为Inception块和辅助分类器的引入。总共9组Inception模块都用ReLu激活，输入大小为224×224的RGB图片，“#3×3 reduce"和”#5×5 reduce"表示在该层卷积之