GoogLeNet网络详解

本篇文章的重点就是介绍GoogLeNet的网络架构，它也经历了多个版本的改进。

GoogLeNet，即Inception模块化后进行模块的串接。论文：https://arxiv.org/abs/1409.4842

一、网络结构

​

 二、Inception结构图​

原始Inception 结构采用3种卷积核的卷积层进行并行提取特征，这可以加大网络模型的宽度，不同大小的卷积核也就意味着原始Inception 结构可以获取到不同大小的感受野，上图中的最后拼接就是将不同尺度特征进行深度融合。

a.上一层输出后，将所得到的特征矩阵同时输入到4个分支中进行处理，再将4个分支的特征矩阵按深度进行拼接，得到一个输出特征矩阵。

注意:每个分支所得的特征矩阵高和宽维度必须相同，否则将无法在深度方向进行拼接。

b.1✖1卷积核起降维作用，详情如下：

深度是512，不用1✖1卷积核得到819200个参数，使用了降维处理后，一次处理后深度变24，再用64个卷积核处理后，很明显参数下降了，计算量会变小。

在3x3pooling->1x1conv虽然用了池化核，但是具体的操作更像卷积。以往的池化操作步长stride是与卷积核kernel大小相同的，并且不进行填充，这样HxW的特征图经过池化层后大小就变成H/s x W/s；这里的池化操作stride=1，padding=1，kernel=3，实际上经过池化操作后特征图大小并不会改变，仅仅是利用池化层来提取与卷积操作不同的特征表达。

三、辅助分类器

第一层是平均池化下采样操作，池化核大小是5✖5，stride大小是3，这里有2个分类器，分别是由Inception(4a)与4d的输出，以第一个为例：由下方表格可知，4a的输出特征矩阵是14✖14✖512，则in(size)是14，池化核大小是5，padding是0，stride大小是3，即（14-5+2*0）/ 3 = 4，得到了4✖4✖512的输出特征矩阵，因为池化层不会改变特征矩阵的深度，4d同理。

最后通过softmax激活函数得到概率分布。

四、特征表

output size是输出特征矩阵的shape，#1✖1到后面对于Inception，#3✖3 deduce起降维作用

​

五、优点

1. 模型又准又轻。
2. 深度加到22层，引入Inception模块，利用不同卷积核提取不同程度的信息。
3. 采用1x1 卷积进行降维以及映射处理减少了计算量，增加模型深度提高非线性表达能力。
4. GAP, 每一个通道求平均即平均池化层，不用FC，减少了参数量。
5. 在训练时有辅助分类器。