---
title: "啟發網路（Inception Network）"
slug: inception-network
language: zh-TW
source: https://aiterms.tw/terms/inception-network
updated_at: 2026-04-29
tags: [深度學習, 電腦視覺, 模型訓練, 模型評估, 神經網路, 特徵工程]
ipas_term: false
---

# 啟發網路（Inception Network）

> **你有沒有想過，為什麼同一張圖片，有些模型只看到一種特徵，Inception Network 卻能同時看多種尺度？**
>
> 你可以把它想成同時拿幾支不同焦距的鏡頭看同一張照片，近景、遠景和邊緣都不漏掉。
>
> Inception Network 是一種深度卷積神經網路架構，旨在透過並行使用多種卷積核大小，捕捉不同尺度的特徵，提升模型效能。

### 容易混淆
> **傳統卷積網路**
> 傳統卷積多半一層只做一種核大小，Inception 會並行做多種核大小，再把結果接起來，視野更完整。
>
> **ResNet**
> ResNet 的重點是殘差連接，幫梯度往前走，Inception 的重點是多尺度特徵抽取，兩者解法不同。

### 記住這句就好
> 同一層同時看大中小特徵，這就是 Inception。

### 實際案例
> **植物病害辨識**
> 葉子上既有細小斑點，也有大片黃化時，多尺度卷積能同時抓到局部紋理和整體形狀，判斷會比只看單一尺度更穩。
>
> **交通標誌辨識**
> 遠處的小標誌和近處的大標誌在影像裡尺寸差很多，多分支卷積可以讓模型同時對不同大小的目標敏感。

### 算法與應用
> Inception 模組常把 1x1、3x3、5x5 卷積和池化放在同一層並行，先用 1x1 卷積壓通道數，再把輸出串接，這樣能兼顧表達力和計算量。它的價值不只是「更深」，而是「同一層裡有多種感受野」。

### 情境判斷
> **Q1（直覺題）：** 如果你現在遇到一個 植物病害辨識 的場景，這個概念會是第一個想到的工具嗎？
> → 看情況，但如果任務目標和這個概念的用途一致，就很可能是。核心還是先確認你要解決的是分類、分群、壓縮、檢索，還是最佳化。
>
> **Q2（判斷題）：** 如果你把它和 ResNet 一起用，結果反而變不穩，通常該怎麼想？
> → 看情況。先檢查資料分布、特徵定義和模型假設是否相容，很多時候不是概念本身有問題，而是使用條件不對，像距離尺度沒對齊、標註規則不一致，或輸入格式不合。

### 常見問題
> **Q：啟發網路 最容易跟 傳統卷積網路 混淆嗎？**
> 傳統卷積多半一層只做一種核大小，Inception 會並行做多種核大小，再把結果接起來，視野更完整。
>
> **Q：什麼情況會用到 啟發網路？**
> 你可以把它想成同時拿幾支不同焦距的鏡頭看同一張照片，近景、遠景和邊緣都不漏掉。 實務上只要你要處理和這個概念相符的任務，就會用到它。
>
> **Q：初學者最常錯在哪裡？**
> ResNet 的重點是殘差連接，幫梯度往前走，Inception 的重點是多尺度特徵抽取，兩者解法不同。

### 相關術語
> - **卷積神經網路**：讀完這個後，接著看它，可以把 啟發網路 放回更完整的系統脈絡裡。
> - **深度學習**：讀完這個後，接著看它，可以把 啟發網路 放回更完整的系統脈絡裡。
> - **電腦視覺**：讀完這個後，接著看它，可以把 啟發網路 放回更完整的系統脈絡裡。
> - **殘差網路**：讀完這個後，接著看它，可以把 啟發網路 放回更完整的系統脈絡裡。

---

來源：https://aiterms.tw/terms/inception-network
快查頁：https://aiterms.tw/terms/inception-network
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-inception-network