초록
우리는 컨볼루션 신경망에서 Inception 모듈을 일반 컨볼루션과 깊이별 분리 컨볼루션 연산(깊이별 컨볼루션 후 포인트별 컨볼루션이 따르는) 사이의 중간 단계로 해석합니다. 이러한 관점에서, 깊이별 분리 컨볼루션은 타워 수가 최대한 많은 Inception 모듈로 이해될 수 있습니다. 이 관찰은 우리에게 Inception에 영감을 받은 새로운 딥 컨볼루션 신경망 구조를 제안하게 합니다. 여기서 Inception 모듈은 깊이별 분리 컨볼루션으로 대체되었습니다. 우리는 이 구조를 Xception이라고 명명하였으며, ImageNet 데이터셋(Inception V3가 설계된 데이터셋)에서 Inception V3보다 약간 우수한 성능을 보임을 입증하였습니다. 또한 3억 5천만 개의 이미지와 1만 7천개의 클래스로 구성된 더 큰 이미지 분류 데이터셋에서는 Inception V3보다 상당히 우수한 성능을 보입니다. Xception 구조가 Inception V3와 동일한 매개변수 수를 가지고 있으므로, 성능 향상은 용량 증가 때문이 아니라 모델 매개변수의 더 효율적인 사용 때문입니다.