Inception Network (GoogLeNet)
Het Inception Network, geïntroduceerd door Szegedy et al. bij Google in 2015 en ingediend bij CVPR onder de naam GoogLeNet, is een 22 lagen diep convolutie neuraal netwerk ontworpen voor grootschalige beeldherkenning. De bepalende bijdrage is de Inception-module, die convoluties met meerdere kernelgroottes parallel toepast en hun outputs concateneert, waardoor het netwerk ruimtelijke kenmerken op verschillende schalen tegelijkertijd kan vastleggen zonder een proportionele toename van de computationele kosten.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 2). Inception / GoogLeNet. ScholarGate. https://scholargate.app/nl/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
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →