小白入门深度学习 | 6-5：Inception-v1（2014年）详解

1. 理论知识

GoogLeNet首次出现在2014年ILSVRC 比赛中获得冠军。这次的版本通常称其为Inception V1。Inception V1有22层深，参数量为5M。同一时期的VGGNet性能和Inception V1差不多，但是参数量也是远大于Inception V1。

Inception Module是Inception V1的核心组成单元，提出了卷积层的并行合并，实现了在同一层就可以提取不同的特征，如下图a。

按照这样的结构来增加网络的深度，虽然可以提升性能，但是还面临计算量大（参数多）的问题。为改善这种现象，Inception Module借鉴Network-in-Network的思想，使用1x1的卷积核实现降维操作(也间接增加了网络的深度)，以此来减小网络的参数量与计算量，如上图b所示。

备注举例： 假如前一层的输出为100x100x128，经过具有256个5x5卷积核的卷积层之后(stride=1，pad=2)，输出数据为100x100x256。其中，卷积层的参数为5x5x128x256+256。假如上一层输出先经过具有32个1x1卷积核的卷积层（1x1卷积降低了通道数，且特征图尺寸不变），再