Inception系列回顾

博客:博客园 | CSDN | blog

文章目录

  • 写在前面
  • Inception-V1 (GoogLeNet)
  • BN-Inception
  • Inception-V2, V3
  • Inception-V4,Inception-ResNet-v1,Inception-ResNet-v2
  • 参考

写在前面

Inception 家族成员:Inception-V1(GoogLeNet)、BN-Inception、Inception-V2、Inception-V3、Inception-ResNet-V1、Inception-V4、Inception-ResNet-V2。

Inception系列网络结构可以模块化为:
I n p u t → S t e m → A → R e d u c i t o n A → B → R e d u c t i o n B → C → A v g   P o o l i n g ( + L i n e a r ) → f e a t u r e Input \rightarrow Stem \rightarrow A \rightarrow ReducitonA \rightarrow B \rightarrow ReductionB \rightarrow C \rightarrow Avg\ Pooling (+ Linear) \rightarrow feature InputStemAReducitonABReductionBCAvg Pooling(+Linear)feature

  • Stem:前处理部分
  • A B C网络主体“三段式”,A B C每段的输入feature size依次折半,channel增加
  • ReductionA B:完成feature size折半操作(降采样)
  • Avg Pooling (+ Linear):后处理部分

Inception系列的演化过程就是上面各环节不断改进(越来越复杂)的过程,其进化方向大致为

  • Stem:大卷积层→多个小卷积层堆叠→multi-branch 小卷积层堆叠
  • A B C:相同multi-branch结构→每阶段不同multi-branch结构→每阶段不同Residual+multi-branch结构,big convolution→ small convolution + BN → factorized convolution
  • ReductionA B:max pooling → 不同multi-branch conv(stride 2)结构
  • 后处理:Avg Pooling + Linear → Avg Pooling

性能进化如下图所示,single model通过center crop 在ImageNet上 Top1 和 Top5 准确率,

Inception系列回顾_第1张图片

具体如下。

Inception-V1 (GoogLeNet)

Inception-V1,更被熟知的名字为GoogLeNet,意向Lenet致敬。

通过增加网络深度和宽度可以提升网络的表征能力。

增加宽度可以简单地通过增加卷积核数量来实现,GoogLeNet在增加卷积核数量的同时,引入了不同尺寸的卷积核,来捕捉不同尺度的特征,形成了multi-branch结构——这是GoogLeNet网络结构的最大特点,如下图所示,然后将不同branch得到的feature map 拼接在一起,为了让feature map的尺寸相同,每个branch均采用SAME padding方式,同时stride为1(包括max pooling)。为了降低计算量,又引入了 1 × 1 1\times 1 1×1卷积层来降维,如下图右所示,该multi-branch结构称之为一个Inception Module,在GoogLeNet中采用的是下图右的Inception Module。
Inception系列回顾_第2张图片

直接增加深度会导致浅层出现严重的梯度消失现象,GoogLeNet引入了辅助分类器(Auxiliary Classifier),在浅层和中间层插入,来增强回传时的梯度信号,引导浅层学习到更具区分力的特征。

Inception系列回顾_第3张图片

最终,网络结构如下,主体三段式A B C 即 3x、4x、5x,

Inception系列回顾_第4张图片

GoogLeNet网络结构的特点可以概括为,

  • 同时使用不同尺寸的卷积核,形成multi-branch结构,来捕捉不同尺度的特征
  • 使用 1 × 1 1 \times 1 1×1卷积降维,压缩信息,降低计算量
  • 在classifier前使用average pooling

BN-Inception

BN-Inception网络实际是在Batch Normalization论文中顺带提出的,旨在表现BN的强大。

Inception系列回顾_第5张图片

与GoogLeNet的不同之处在于,

  • 在每个激活层前增加BN层
  • 将Inception Module中的 5 × 5 5 \times 5 5×5 卷积替换为2个 3 × 3 3\times 3 3×3 卷积,如上图所示
  • 在Inception 3a和3b之后增加Inception 3c
  • 部分Inception Module中的Pooling层改为average pooling
  • 取消Inception Module之间衔接的pooling层,而将下采样操作交给Inception 3c和4e,令stride为2

BN-Inception网络结构如下

Inception系列回顾_第6张图片

Inception-V2, V3

Inception V2和V3出自同一篇论文Rethinking the Inception Architecture for Computer Vision。

GoogLeNet和BN-Inception网络结构中Inception Module可分为3组,称之为3x、4x和5x(即主体三段式A B C),GoogLeNet和BN-Inception这3组采用相同Inception Module结构,只是堆叠的数量不同。

Inception V2和V3与以往最大的不同之处在于3组分别使用了不同结构的Inception Module,分别如下图从左到右所示,

source: http://arxiv.org/abs/1512.00567

具体地,

  • 3x使用的Inception Module与BN-Inception相同,即将 5 × 5 5\times 5 5×5拆分成2个堆叠的 3 × 3 3\times 3 3×3
  • 4x使用的Inception Module采用了factorized convolutions ,将2维卷积拆分成2个堆叠的1维卷积,可类比传统计算机视觉中的“行列可分解卷积”,但中间夹了个激活,1维卷积的长度为7;
  • 5x使用的Inception Module,1维卷积不再堆叠而是并列,将结果concat;

除此之外,

  • 3x和4x之间,4x和5x之间,均不存在衔接的池化层,下采样通过Inception Module中的stride实现
  • 取消了浅层的辅助分类器,只保留中层的辅助分类器
  • 最开始的几个卷积层调整为多个堆叠的 3 × 3 3\times 3 3×3 卷积

据论文所述,V2的网络结构如下

Inception系列回顾_第7张图片

据论文所述,V3与V2的差异在于,

  • RMSProp Optimizer
  • Label Smoothing训练中使用的label为one hot label与均匀分布的加权,可以看成一种正则
  • Factorized 7 × 7 7 \times 7 7×7,即将第一个 7 × 7 7 \times 7 7×7卷积层变为堆叠的3个 3 × 3 3 \times 3 3×3
  • BN-auxiliary,辅助分类器中的全连接层也加入BN

但是,实际发布的Inception V3完全是另外一回事,参见pytorch/inception,有人绘制了V3的网络架构如下——网上少有绘制正确的,下图中亦存在小瑕疵,最后一个下采样Inception Module中 1 × 1 1\times 1 1×1的stride为1。

需要注意的是,起下采样作用两个Inception Module并不相同。

Inception系列回顾_第8张图片

有的时候,Inception-V2和BN-Inception是混淆的。从Inception-V3开始,Inception架构变得越来越不像人搞的……

Inception-V4,Inception-ResNet-v1,Inception-ResNet-v2

Inception-V4,Inception-ResNet-v1 和 Inception-ResNet-v2出自同一篇论文Inception-V4, Inception-ResNet and the Impact of Residual Connections on Learning,

Inception-V4相对V3的主要变化在于,前处理使用更复杂的multi-branch stem模块,主体三段式与V3相同。

Inception系列回顾_第9张图片

Inception-ResNet-V1与Inception-ResNet-V2,将Inception与ResNet结合,使用Inception结构来拟合残差部分,两者在A B C部分结构相同,只是后者channel数更多,两者的主要差异在前处理部分,后者采用了更复杂的multi-branch stem结构(与V4相同)。相比纯Inception结构,引入ResNet结构极大加快了网络的收敛速度

Inception系列回顾_第10张图片

Inception系列回顾_第11张图片

以上。

参考

  • GoogLeNet, Inception-V1: Going Deeper with Convolutions
  • Batch Normalization, BN-Inception: Accelerating Deep Network Training by Reducing Internal Covariate Shift
  • Inception-V2, V3: Rethinking the Inception Architecture for Computer Vision
  • Inception-V4, Inception-ResNet and the Impact of Residual Connections on Learning

你可能感兴趣的:(backbone网络)