要約
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度方向分離畳み込み（深度方向畳み込みとポイントワイズ畳み込みの組み合わせ）の間の中間段階と解釈する。この視点から、深度方向分離畳み込みは、塔（tower）の数が最大限に増加したInceptionモジュールと捉えることができる。この観察に基づき、Inceptionモジュールを深度方向分離畳み込みに置き換えた、Inceptionをモデルにした新たな深層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する。このアーキテクチャはXceptionと名付けられ、Inception V3が設計されたImageNetデータセットにおいて、わずかにInception V3を上回る性能を示す。また、3億5千万枚の画像と1万7千クラスからなるより大きな画像分類データセットでは、大幅にInception V3を上回る性能を発揮する。Xceptionアーキテクチャのパラメータ数はInception V3と同一であるため、性能向上はモデル容量の増加によるものではなく、むしろパラメータのより効率的な利用に起因する。