[论文笔记]Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning

在15年，ResNet成为那年最耀眼的卷积网络结构，skip-connection的结构也成为避不开的考虑选项。Inception系列也参考ResNet更新了自己的结构。同时推出了第四代和跟ResNet的结合版：Inception-v4和Inception-ResNet。

然而，这是一篇几乎都是图的论文。

所以，上图。

Inception-v4 Architecture

NetScope Vis请参见这里，源文件位于awesome_cnn。

Inception-ResNet(v2) Architecture

NetScope Vis请参见这里，源文件位于NN_Structures/caffe_vis/。

Experiments

文章在实验部分提到，不借助Skip-connection的结构也可以将Inception网络提升到SOTA的水准，但加入Skip-connection可以有效增加训练速度。

Conclusion

卷积网络结构的演进遇到了瓶颈，在ImageNet上的提升边界似乎碰到天花板，且更多来自训练技巧和集成。

论文链接：https://arxiv.org/abs/1602.07261

本文章遵从署名-相同方式共享4.0国际协议(CC BY-SA 4.0)。
这意味着您可以署名转载本文章，并附上此协议。
我每周会分享一些有趣实用的英文文章，欢迎关注ddlee每周分享。
在这里可以找到我推荐的服务、应用程序、书籍和电影。

本文链接：https://blog.ddlee.cn/posts/ea323d66/
分享文章： 复制链接 扫描二维码

相关文章

• [论文笔记]MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications

• [论文笔记](ResNet)Deep Residual Learning for Image Recognition

• [论文笔记]An Analysis of Deep Neural Network Models for Practical Applications

• [论文笔记](GoogLeNet)Going deeper with convolutions

• [论文笔记](MobileNet V2)Inverted Residuals and Linear Bottlenecks: Mobile Networks for Classification, Detection and Segmentation