googlenet优点_googlenet提出的inception结构优势

大家好，又见面了，我是你们的朋友全栈君。

googlenet 是2014年imagenet的冠军，同年还有VGG。因此在说googlenet之前，先回顾下VGG。

之前介绍过faster RCNN， faster RCNN底层的模型官方支持了VGG和ZF，同样在K80下，ZF大概是8fps的速度，而VGG大概是3fps，这无疑就说明了VGG有些重。再给个直观的感受，通常我们VGG的faster RCNN模型大概是400M左右，而googlenet的分类模型一般30M左右，虽然detection任务中在VGG的基础上又加了一些层，但无论如何都足以说明googlenet相比于VGG更加轻量。

但googlenet也有自身的问题，本博客只讨论v1。googlenet为了防止梯度消失，在前面的层增加了两个损失函数，softmax0和softmax1，正是这两个损失函数导致了googlenet的可拓展性没有VGG那么强，所以在object detection的时候，个人没见过用googlenet作为底层模型的，但是即便如此，googlenet在分类领域还是非常好用的，在你不知道这个分类问题该怎么解决时，用googlenet试试，precision总还是可以接受的。

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/170443.html原文链接：https://javaforall.cn