GoogLeNet由goole基于Inception模块而提出的神经网络，在2014年的ImageNet中GoogLeNet获取冠军，后续又有相关版本的更新。

GoogLeNet

GoogLeNet网络结构如下

Inception

背景

为了获取更好的模型效果，当时大部分研究方向，都是在增加模型的宽度和深度，同时也带来了以下问题：

• 随着网络深度和宽度的增加，参数会急剧增加，同时限于当时数据集量级有限，很容易出现过拟合问题。
• 网络的增加，带来了计算时间和开销的增加，也更容易引发梯度消失的问题。

基于上述现状，提出了Inception方法。

Inception结构

如下图所示，Inception由多个卷积和池化操作组成，也是构成GoogLeNet神经网络的重要模块。

Inception优势

• 不同的卷积核，由于视野的不同，可以采集到不同的信息，从而获得更多有效的信息。Inception网络在训练中可以通过调节参数自己选择使用合适的卷积核。

Inception劣势

• 上述Inception，虽然提供了卷积核选择的功能，但也导致了特征图厚度增加，从而引起了参数的增加。针对这些问题，采用了1*1的卷积核进行优化。