bottleneck layer
先通过1×1卷积层降维,然后在低维空间上做kernel size稍微大一点的卷积,再通过1×1卷积核升维。
可以降低计算量,但降维会丢失信息,对准确率有影响,尤其是在浅层使用时信息丢失更严重。
ResNet
通过计算目标函数与一个已知函数的差来简化拟合任务。
identity函数在该任务上有优越性,Resnet内部有时会使用bottleneck结构。
增加BN层以及将BN、Relu层放在卷积之前可以增加准确率。
inception
通过多路不同尺度的卷积运算再连接,实现channel数的增加。
一些观念: