更深的卷积网络
计算机视觉与模式识别
2014-09-18 v1
摘要
我们提出了一种代号为“Inception”的深度卷积神经网络架构，该架构在2014年ImageNet大规模视觉识别挑战赛（ILSVRC 2014）的分类和检测任务中取得了当时的最佳结果。该架构的主要标志是提高了网络内部计算资源的利用率。这是通过精心设计实现的，该设计允许在保持计算预算不变的情况下增加网络的深度和宽度。为了优化质量，架构决策基于赫布理论和多尺度处理的直觉。我们在ILSVRC 2014提交中使用的一个特定实例称为GoogLeNet，它是一个22层的深度网络，其质量在分类和检测的背景下进行了评估。
引用
@article{arxiv.1409.4842,
title = {Going Deeper with Convolutions},
author = {Christian Szegedy and Wei Liu and Yangqing Jia and Pierre Sermanet and Scott Reed and Dragomir Anguelov and Dumitru Erhan and Vincent Vanhoucke and Andrew Rabinovich},
journal= {arXiv preprint arXiv:1409.4842},
year = {2014}
}