Inception Network (GoogLeNet)
Das Inception Network, 2015 von Szegedy et al. bei Google eingeführt und unter dem Namen GoogLeNet bei der CVPR eingereicht, ist ein 22 Schichten tiefes Convolutional Neural Network, das für die großskalige Bilderkennung entwickelt wurde. Sein definierender Beitrag ist das Inception-Modul, das Konvolutionen mehrerer Kernelgrößen parallel anwendet und deren Ausgaben verkettet, wodurch das Netzwerk räumliche Merkmale auf verschiedenen Skalen gleichzeitig erfassen kann, ohne dass die Rechenkosten proportional steigen.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 2). Inception / GoogLeNet. ScholarGate. https://scholargate.app/de/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)Deep Learning↔ compare
- VGGNet (Very Deep Convolutional Networks)Deep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →