Inception Network (GoogLeNet)
Inception Network, som introducerades av Szegedy et al. på Google 2015 och skickades in till CVPR under namnet GoogLeNet, är ett 22 lager djupt faltningsnätverk (convolutional neural network) utformat för storskalig bildigenkänning. Dess definierande bidrag är Inception-modulen, som parallellt tillämpar faltningar med flera kärnstorlekar (kernel sizes) och konkatenerar deras utdata, vilket gör det möjligt för nätverket att samtidigt fånga spatiala särdrag i olika skalor utan en proportionerlig ökning av beräkningskostnaden.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 2). Inception / GoogLeNet. ScholarGate. https://scholargate.app/sv/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)Djupinlärning↔ compare
- VGGNet (Very Deep Convolutional Networks)Djupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →