Inception

Классические сети последовательно сжимают картинку и вынуждены выбирать одно «окно» — либо мелкие детали, либо общую структуру. Inception решает дилемму, используя все масштабы одновременно. Это повышает точность распознавания без роста нагрузки и позволило GoogLeNet победить в ImageNet в 2014 году, открыв эру эффективных архитектур.

Интуитивно это похоже на рассматривание фото слона: нужен широкий взгляд на тело, средний — на хобот и уши, близкий — на текстуру кожи. Обычная сеть смотрит через одно фиксированное окно, а Inception — через несколько сразу, затем склеивает наблюдения. Сеть не выбирает лучший способ, а сама взвешивает полезность информации.

Прикладной пример — медицина. Анализируя рентген лёгких, модуль одновременно оценивает форму органа, крупные сосуды и мельчайшие узелки в пару пикселей. Врач получает результат с учётом и общих патологий, и ранних признаков, которые прежняя сеть могла пропустить.

Вывод: Inception — философия «не гадай, а пробуй всё». Вместо единственной перспективы модель использует калейдоскоп перспектив, приближая ИИ к человеческому восприятию, где контекст и детали всегда совмещены.