AITerms 登入
深度學習電腦視覺模型訓練

啟發網路(Inception Network)是什麼?

Inception Network 是一種深度卷積神經網路架構,旨在透過並行使用多種卷積核大小,捕捉不同尺度的特徵,提升模型效能。

完整定義

Inception Network 是一種深度卷積神經網路架構,其核心思想是透過並行使用多種卷積核大小,捕捉不同尺度的特徵。這種架構旨在解決傳統卷積神經網路中卷積核大小選擇的難題,並提高模型的效能和效率。Inception 模組是 Inception Network 的基本 building block。

白話說明

你有沒有想過,為什麼同一張圖片,有些模型只看到一種特徵,Inception Network 卻能同時看多種尺度?

你可以把它想成同時拿幾支不同焦距的鏡頭看同一張照片,近景、遠景和邊緣都不漏掉。

Inception Network 是一種深度卷積神經網路架構,旨在透過並行使用多種卷積核大小,捕捉不同尺度的特徵,提升模型效能。

記住這句

同一層同時看大中小特徵,這就是 Inception。

比喻:Inception Network 就像一個超級攝影師,它同時用廣角、長焦等多種鏡頭一起拍,捕捉不同大小的細節 -- 這樣就能把畫面看得更全面。

容易混淆

傳統卷積網路

傳統卷積多半一層只做一種核大小,Inception 會並行做多種核大小,再把結果接起來,視野更完整。

ResNet

ResNet 的重點是殘差連接,幫梯度往前走,Inception 的重點是多尺度特徵抽取,兩者解法不同。

實際案例

植物病害辨識

葉子上既有細小斑點,也有大片黃化時,多尺度卷積能同時抓到局部紋理和整體形狀,判斷會比只看單一尺度更穩。

交通標誌辨識

遠處的小標誌和近處的大標誌在影像裡尺寸差很多,多分支卷積可以讓模型同時對不同大小的目標敏感。

演算法與應用

Inception 模組常把 1x1、3x3、5x5 卷積和池化放在同一層並行,先用 1x1 卷積壓通道數,再把輸出串接,這樣能兼顧表達力和計算量。它的價值不只是「更深」,而是「同一層裡有多種感受野」。

常見問題

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本