深度学习领域对Inception层进行深入解析

本文基于Torch的dpnn包中Inception层的代码库,详细解析了该模块的功能与系统架构.

核心思想

Inception模块最初阶段基于如图所示的结构设计：经过通道转换后将不同尺寸的卷积结果进行连接。

由于M,N往往很大，这种结构的模型大小和运算量都不小。

卷积运算，输入M层，输出N层，核尺寸k。输入数据大小HW。
卷积参数数量：weight + bias = MNkk+N
卷积运算量：HWN*M^2*K4

Inception在后续过程中中具有将其

对于每一个瓶颈结构中的每一路，在其处理过程中首先将该区域压缩至M通道后逐步缩减至K容量。接着将该区域扩展至N通道，并且该区域的容量远小于M和N。

对每个像素施加相同的全连接层也被称为网络中的网络结构。

整体结构

I