模型GoogLeNet / Inception网络

Inception

Google提出的CNN架构系列，核心是Inception模块，在同一层级使用多尺度并行卷积核捕获不同粒度特征，以较低计算成本实现高精度

时间轴 (近 90 天)

10月14日

一项研究系统比较了AlexNet、Inception、LeNet、VGG16和MobileNet五种CNN架构在Pequi树（Caryocar brasiliense）枝枯病检测中的表现。

待验证50%

10月14日

Inception引入多尺度并行卷积，在同一层级捕获不同粒度的特征。

待验证50%

10月14日

Inception模块在同一层级中同时使用不同尺寸的卷积核和池化操作，再将各路输出沿通道维度拼接，从而在单层内同时捕获细粒度纹理和粗粒度形状。

待验证50%

9月7日

Google Photos自2015年推出以来，早期版本主要依赖卷积神经网络（CNN）进行图像分类和物体检测，采用Inception架构

待验证50%

Inception引入多尺度并行卷积，在同一层级捕获不同粒度的特征。

Inception模块在同一层级中同时使用不同尺寸的卷积核和池化操作，再将各路输出沿通道维度拼接，从而在单层内同时捕获细粒度纹理和粗粒度形状。

Google Photos自2015年推出以来，早期版本主要依赖卷积神经网络（CNN）进行图像分类和物体检测，采用Inception架构

一项研究系统比较了AlexNet、Inception、LeNet、VGG16和MobileNet五种CNN架构在Pequi树（Caryocar brasiliense）枝枯病检测中的表现。