• Introduction
• 灵感和一些考虑
• 结构的细节
• 后续有许多针对Inception Module的结构的改进探索工作

原文链接：Going Deeper with Convolutions (2015)

Introduction

为了提高网络的深度，going deeper。By deeper，本文由两个含义，一个是字面意义上的更深（depth）；另一个是引入了一个组成单元“Inception module”

灵感和一些考虑

传统的加深加宽有两个问题：overfitting，或者需要更多labeled example which获取起来非常昂贵；极大的增加了所需的计算资源

一个通用的解决方案，sparsity（？有论文）但现有的计算体系对这些稀疏的计算处理起来极其缓慢

本文提出了一种新的结构“Inception module”，用dense的矩阵计算来近似sparsity，但尽管在本文的实验中表现较好，但其是否具有推广性和普适性还有待考究

结构的细节

auxiliary classifiers为了解决梯度消失问题，并且更好的针对中间层的信息，最终乘上一个discount weight加到总的loos中去。 但是他们被验证仅有很小的效果（less than 0.5%），且只需要一个去达到相同的效果

后续有许多针对Inception Module的结构的改进探索工作

[1]Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning (2016)
[2]Rethinking the Inception Architecture for Computer Vision (2016)