GoogLeNet和ResNet
零、关于池化
常见的池化操作（降采样）有：最大池化、平均池化。
一、关于GooLeNet
GoogLeNet(Going deeper with convolutions,ILSVRC 2014分类和检测任务巅峰)是基于赫布原则和对多尺度的观测建立的22层深度网络，其亮点是：加深和加宽了网络结构、更好地利用了网络结构内的计算资源。
图1 最朴素的inception
图2 增加1×1卷积的inception
基于第二种(图2)低计算量的Inception模块，堆叠构建GoogLeNet，输入维度为224×224×3（RGB图像）；中间输出计算损失，为了解决梯度消失或梯度爆炸的问题。
二、关于ResNet
Deep Residual Learning for Image Recognition发表于2015年的CVPR上。
图 3 拟合高维非线性函数
图4 跳层的恒等映射
图5 残差网络根据输出特征图大小调整卷积核数量
参考网址：
[1]deepshare.net