Rethinking the Inception architecture in computer vision papers notes

摘要内容提炼

自2014年起，深度卷积神经网络逐渐发展为计算机视觉领域中的主要技术手段。随着模型规模以及计算资源消耗的提升，其带来的性能提升也愈加明显。然而，在移动视觉设备以及大规模数据处理等应用场景中，计算效率与参数量的控制仍为关键制约因素。本文提出了一种扩展网络结构的策略，旨在通过合理地分解卷积操作并结合有效的正则化方法，最大限度地发挥额外计算资源所带来的优势。

1 介绍

自2014年起，借助更深更广的网络结构，网络架构的整体质量实现了显著提升。在2014年ILSVRC分类挑战中，VGGNet与GoogLeNet均表现出相近的优异性能。一个引人注目的现象是，在分类任务中所获得的性能提升往往能够转化为多个应用领域的显著质量改进。这表明，针对深度卷积网络结构的优化，不仅能够增强分类任务的表现，还可能有效提升其他大量依赖高质量、可学习视觉特征的计算机视觉任务的效果。

VGGNet的设计理念较为简洁明了，但这种简洁性带来了较高的计算代价，评估该网络需要消耗大量的计算资源。相比之下，Inception架构则被专门设计用于在内存和计算资源受限的前提下依然保持良好的表现能力。GoogLeNet仅包含500万个参数，仅为AlexNet参数量的十二分之一；而VGGNet的参数数量则是AlexNet的三分之一。

Inception架构在计算成本方面明显低于VGGNet