深度学习之图像分类模型inception v2、inception v3解读
inception v2与inception v3两种模型配置。Inception v3单模型达到了21.2%的top1错误率，多模型达到了17.3%的top1错误率
·
一、简介
google发表的文章 http://arxiv.org/pdf/1512.00567v3.pdf中包含了inception v2与inception v3两种模型配置。
Inception v3单模型达到了21.2%的top1错误率，多模型达到了17.3%的top1错误率。
二、网络分析
文章地址如下： http://arxiv.org/pdf/1512.00567v3.pdf。
其设计思路的直觉是：
1. inception做了比较巧妙的几个动作，在增加特征表达能力的同时减少计算。
2. 模型更精巧复杂了，增加BN和gradient clipping去稳定训练。
其网络结构可以参考mxnet上的http://data.dmlc.ml/mxnet/models/imagenet/inception-v3.tar.gz。
网络中有如下的细节：
1.没有大的卷积核了，5x5用两个3x3代替，如图所示：
2.两个3x1代替3x3卷积核，如下图所示：
inception v2如下图所示：
三种inception种类如下：
v2结构如下：
inception v3是所有如下v2的结合：
其准确率是最后一行，v3在raw的v2上做了如下变化：RMSProp替代SGD，在类别全连接层后加入 LSR层，将7x7卷积核由三个3x3卷积核替代。
腾讯云面向开发者汇聚海量精品云计算使用和开发经验，营造开放的云计算技术生态圈。
更多推荐
10
0- 0
已为社区贡献3条内容
所有评论(0)