Inception Network (GoogLeNet)
Inception Network, introdusert av Szegedy et al. hos Google i 2015 og innsendt til CVPR under navnet GoogLeNet, er et 22-lags dypt konvolusjonelt nevralt nettverk designet for storskala bildegjenkjenning. Dets definerende bidrag er Inception-modulen, som anvender konvolusjoner med flere kjernestørrelser parallelt og konkatenerer utgangene deres, noe som gjør at nettverket kan fange romlige trekk i ulike skalaer samtidig uten en proporsjonal økning i beregningskostnad.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 2). Inception / GoogLeNet. ScholarGate. https://scholargate.app/no/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)Dyp læring↔ compare
- VGGNet (Very Deep Convolutional Networks)Dyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →