本站原创文章，转载请说明来自《老饼讲解-深度学习》www.bbbdata.com
本节介绍Inception模块的思想，并初步展示什么是Inception模块
Inception模块的思想(naive-Inception)
用原始版本的Inception模块极为容易理解Inception的思想
最原始的naive版本Inception模块如下：
如图所示，Inception用多个子模块(卷积、池化)对输入进行处理，再将结果合并作为输出
👉从生物角度，可以将它理解为，综合粗看、细看的结果作为输出
👉从数学角度来说，用不同的过滤器去捕获特征，这样可以使特征多样化
可以看到，Inception模块并不是全连接，它属于稀疏连接,
也就是说，Inception模块的本质就是加入了"粗看、细看"这样的信息来限制模型的结构形态
什么是Inception模块(GoogLeNet-Inception)
日常所用、所说的Inception模块一般指的是GoogLeNet的Inception模块
GoogLeNet的Inception模块主要在naive版本的基础上加入1×1卷积层对各个模块进行降维
其中，卷积之前的1×1卷积是为了对通道进行降维，以减少之后的卷积模块的运算量
而池化之后加入的1×1卷积是为了对池化结果的输出通道进行降维
加入降维的其中一个好处是，使得输入与输出的通道可以保持一致
如果不加入降维，那么光是池化部分的输出，就与输入的通道数一致，则总的输出通道肯定比输入通道大
本节介绍怎么学习Inception的相关内容
有哪些Inception模块
Inception的出处
GoogLeNet的Inception模块出自GoogLeNet(Inception)系列模型，到目前(2024年)共四个版本
InceptionNet-V1原文:《Going deeper with convolutions》
InceptionNet-V2原文:《Batch Normalization: Accelerating Deep Network Training b y Reducing Internal Covariate Shift》
InceptionNet-V3原文:《Rethinking the Inception Architecture for Computer Vision》
InceptionNet-V4原文:《Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning》
Inception模块在各个版本中不断迭代，直到V4版本，整合了ResNet的思想，推出了结合ResNet的Inception模块
各版本Inception模块简介
以下是各个版本的Inception模块的简介
InceptionV1：提出了简单、可用的Inception模块
InceptionV2：将VGG的小卷积(3x3卷积)思想与BN层加入到Inception中
InceptionV3：在普通Inception中加入了非对称卷积，并提出了用于降维的Inception模块(替代池化模块)
InceptionV4：结合ResNet，提出了带快捷连接的Inception模块
如何学习Inception
Inception包括了V1-V4的模型和模块，如果要学习模型，则在《经典CNN》里找到相关模型结构进行了解即可
如果是自主设计CNN，更多时候是借鉴和使用其中的Inception模块，只需在本节中学习V1-V4所介绍的相关Inception模块就可以
End
