Xception是一种深度卷积神经网络，它采用了分离卷积来实现深度神经网络的高准确性和高效率。Xception的名称来自“extreme inception”，意思是更加极致的Inception网络。

在传统的卷积神经网络中，每个卷积层都有若干个滤波器（即卷积核），每个滤波器在各个通道上进行滑动卷积操作。而在Xception网络中，每个卷积层都被拆分成两个子层：深度卷积和逐点卷积。深度卷积是指每个通道上都有一个滤波器，逐点卷积是指使用类似1x1卷积的方式，对各个通道的特征进行组合。

采用这种设计，Xception可以大幅度减少模型参数数量，从而提高训练速度和测试速度。同时，这种结构还能够有效地避免梯度弥散和梯度爆炸的问题，进一步提高模型的稳定性和泛化能力。

Xception在ImageNet上的表现很出色，是当时最先进的模型之一，同时也是许多图像分类和目标检测竞赛的冠军模型。