Inception Network (GoogLeNet)
Inception Network, introduceret af Szegedy et al. hos Google i 2015 og indsendt til CVPR under navnet GoogLeNet, er et 22-lags dybt konvolutionelt neuralt netværk designet til storskala billedgenkendelse. Dets definerende bidrag er Inception-modulet, som anvender konvolutioner af flere kernelstørrelser parallelt og konkatenerer deres output, hvilket gør netværket i stand til at fange spatiale træk i forskellige skalaer samtidigt uden en proportional stigning i beregningsomkostninger.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Szegedy, C., et al. (2015). Going deeper with convolutions. IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 1–9. DOI: 10.1109/CVPR.2015.7298594 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 2). Inception / GoogLeNet. ScholarGate. https://scholargate.app/da/deep-learning/inception-network
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- ResNet (Residual Network)Dyb læring↔ compare
- VGGNet (Very Deep Convolutional Networks)Dyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →