私たちは、畳み込みニューラルネットワークにおけるInceptionモジュールを、通常の畳み込みと深さ方向分離畳み込み操作（深さ方向畳み込みに続いてポイントワイズ畳み込みを行う）の中間段階として解釈します。この観点から、深さ方向分離畳み込みは最大限多い数のタワーを持つInceptionモジュールと理解することができます。この観察に基づいて、私たちはInceptionモジュールを深さ方向分離畳み込みに置き換えた新しい深い畳み込みニューラルネットワークアーキテクチャを提案します。このアーキテクチャはXceptionと呼ばれ、ImageNetデータセット（Inception V3が設計されたデータセット）においてInception V3よりもわずかに優れた性能を示し、3億5000万枚の画像と1万7000クラスから構成されるより大きな画像分類データセットでは著しくInception V3を上回る性能を発揮します。XceptionアーキテクチャはInception V3と同じ数のパラメータを持つため、性能向上は容量の増加によるものではなく、モデルパラメータのより効率的な利用によるものです。