深度学习：GoogLeNet模型

文章链接：https://arxiv.org/pdf/1409.4842v1.pdf

文章的主要贡献：

1. 提出了一种名为 Inception 的网络结构

2. 这一类型的结构有效地克服了计算机硬件与稀疏数据之间的冲突（从这一角度来看，这篇文章的主要创新点确实值得关注）

这篇博客文章中高度详细地包含了这篇博文。

一、文章背景：

伴随着深度学习的进步，人们的关注焦点从前集中在更强大的硬件资源和海量的数据资源上，并转而关注新的思路、最新的算法创新以及技术突破。

例如：1. 减少训练网络所用的数据集

2. 减少网络中使用的参数（防止过拟合）

3. 新的网络结构，如R-CNN

同时，在移动和嵌入式计算快速发展的背景下

从文章背景分析可知

二、与该文章相关的工作

卷积神经网络（CNN）普遍采用了基于LeNet-5的经典架构，在这些架构中通常会堆叠多个卷积层后接池化层，并最终连接一个或多个全连接层。A. Krizhevsky, I. Sutskever, and G. Hinton. Imagenet classification with deep convolutional neural networks. InAdvancesinNeuralInformationProcessing Systems 25, pages 1106–1114, 2012.