GoogleLeNet: 深度学习图像识别网络架构

GoogleLeNet 是由谷歌研究人员于 2014 年开发的深度卷积神经网络架构。它旨在提高图像识别任务的准确性，特别是针对大规模图像分类和物体检测。该架构由 22 层组成，包括卷积层、池化层和全连接层。GoogleLeNet 的一个关键特点是使用了 'Inception 模块'，旨在捕捉多个尺度和分辨率的信息。GoogleLeNet 在 ImageNet 数据集上进行了训练，该数据集包含了超过 120 万张来自 1000 个不同类别的图像。该网络在 ImageNet 分类任务上取得了最先进的性能，其前 5 错误率为 6.67%。自发布以来，GoogleLeNet 已广泛用作图像识别任务的基准，并激发了其他深度神经网络架构的开发。