摘要
我们提出了一种对卷积神经网络中Inception模块的新解释：Inception模块可被视为常规卷积与深度可分离卷积（depthwise separable convolution，即先进行深度卷积，再进行逐点卷积）之间的一个中间步骤。从这一视角来看，深度可分离卷积可被理解为具有最大数量“塔式结构”（towers）的Inception模块。基于这一观察，我们提出了一种受Inception启发的新型深度卷积神经网络架构，其中原有的Inception模块被深度可分离卷积所取代。实验结果表明，该架构（命名为Xception）在ImageNet数据集上的表现略优于专为该数据集设计的Inception V3；在包含3.5亿张图像和17,000个类别的更大规模图像分类数据集上，Xception显著超越Inception V3。值得注意的是，Xception与Inception V3具有相同数量的参数，因此其性能提升并非源于模型容量的增加，而是得益于对模型参数更高效的利用。