GoogleNet (Inception V1): 突破传统深度学习模型局限的创新

GoogleNet，也称为Inception V1，是谷歌于2014年提出的深度神经网络模型。它旨在解决传统深度神经网络模型在计算量、参数量和准确率上的问题。GoogleNet 的主要特点是采用了 Inception 模块，该模块可以在不增加计算量的情况下，增加网络的深度和宽度。Inception 模块通过在同一层次上使用多种卷积核进行卷积操作，得到多个特征图，并通过池化和卷积操作将这些特征图合并在一起，从而得到更加丰富的特征表示。

GoogleNet 还采用了 1x1 卷积核来降低网络的计算量和参数量。1x1 卷积核用于降维和升维操作，可以将通道数从较大的值降低到较小的值，从而减少计算量和参数量。

在 ImageNet 数据集上，GoogleNet 准确率达到了 74.8%，成为当时最好的结果。其成功的经验也启发了后来一系列网络模型的发展，如 ResNet、Inception V2、Inception V3 等。