شبکه Inception (GoogLeNet)
شبکه Inception که توسط Szegedy و همکاران در گوگل در سال ۲۰۱۵ معرفی شد و با نام GoogLeNet به CVPR ارائه گردید، یک شبکه عصبی کانولوشن عمیق ۲۲ لایه است که برای تشخیص تصویر در مقیاس بزرگ طراحی شده است. سهم تعیینکننده آن ماژول Inception است که کانولوشنهایی با اندازههای مختلف کرنل را به صورت موازی اعمال کرده و خروجیهای آنها را به هم متصل میکند، و به شبکه امکان میدهد تا ویژگیهای فضایی در مقیاسهای مختلف را به طور همزمان و بدون افزایش متناسب هزینه محاسباتی، ثبت کند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 2). Inception / GoogLeNet. ScholarGate. https://scholargate.app/fa/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 (شبکه باقیمانده)یادگیری عمیق↔ compare
- VGGNet (شبکههای کانولوشنی بسیار عمیق)یادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →