浅谈深度神经网络 — GoogLeNet

GoogLeNet

GoogLeNet网络

GoogLeNet是2014年Christian Szegedy提出的一种全新的深度学习结构，ImageNet-2014竞赛第一。在这之前的AlexNet、VGG等结构都是通过增大网络的深度（层数）来获得更好的训练效果，但层数的增加会带来很多负作用，比如overfit、梯度消失、梯度爆炸等。inception的提出则从另一种角度来提升训练结果：能更高效的利用计算资源，在相同的计算量下能提取到更多的特征，从而提升训练结果。

进化顺序： InceptionV1 -> InceptionV2 -> InceptionV3 -> InceptionV4
为了提升网络的性能，深度网络的发展一般都是通过减少参数，降低计算，增加宽度、深度来提高网络的性能。GoogLeNet网络的深度、宽度也在增加，从V1到V4Inception网络在不断的完善。

• 宽度：增加了多种核1×1,3×3,5×5和max pooling，增加网络的厚度，也就是宽度，但是考虑到简单的拼接到一起的话参数太多，计算量的问题，在,3×3,5×5和max pooling前加入了1×1的卷积核，以起到降低输入特征网络的厚度，通过降维这样就可以起到降低计算量的作用。

-> InceptionV1

核心组件Inception Architecture（稀疏连接结构）

① 提供多尺度特征：输出通道多尺度化（感受野）

• 首个Split-Merge思想
• 串接合并所有分支输出

② Bottleneck Layer 的 1×1 卷积解决多尺度带来的高额参数及计算问题

V1结构

通过设计一个稀疏网络结构，但是能够产生稠密的数据，既能增加神经网络表现，又能保证计算资源的使用效率。谷歌作者提出了最原始Inception的基本结构：

结构说明：
1 . 采用不同大小的卷积核意味着不同大小的感受野，最后拼接意味着不同尺度特征的融合。
2 . 之所以卷积核大小采用1、3和5，主要是为了方便对齐。设定卷积步长stride=1之后，只要分别设定pad=0、1、2，那么卷积之后便可以得到相同维度的特征，然后这些特征就可以直接拼接在一起了。
3 . 文章说很多地方都表明Pooling挺有效，所以Inception里面也嵌入了，同时Pooling池化也起到减少空间大小，降低过度拟合的作用。
4 . 网络越到后面，特征越抽象，而且每个特征所涉及的感受野也更大了，因此随着层数的增加，3x3和5x5卷积的比例也要增加。

但是在上面的结构中使用 5×5 的网络结构仍然会带来很大的计算量，因此Inception借鉴了其他的网络结构，在3×3,5×5卷积层前，Pooling池化层后加入了 1×1 卷积降维。于是有了新的网络结构：

在这里简单的讨论下1x1的卷积核有什么用呢？

1x1卷积的主要目的是为了减少维度，还用于修正线性激活（ReLU）。比如，上一层的输出为100x100x128，经过具有256个通道的5x5卷积层之后(stride=1，pad=2)，输出数据为100x100x256，其中，卷积层的参数为128x5x5x256= 819200。而假如上一层输出先经过具有32个通道的1x1卷积层，再经过具有256个输出的5x5卷积层，那么输出数据仍为为100x100x256，但卷积参数量已经减少为128x1x1x32 + 32x5x5x256= 204800，大约减少了4倍。

GoogLeNet的整体结构如下图：

更加清晰地结构如下：

对上图做如下说明：
1 . 显然GoogLeNet采用了模块化的结构，方便增添和修改；
2 . 网络最后采用了average pooling来代替全连接层，想法来自NIN,事实证明可以将TOP1 accuracy提高0.6%。但是，实际在最后还是加了一个全连接层，主要是为了方便以后大家finetune；
3 . 虽然移除了全连接，但是网络中依然使用了Dropout ;
4 . 为了避免梯度消失，网络额外增加了2个辅助的softmax用于向前传导梯度。文章中说这两个辅助的分类器的loss应该加一个衰减系数，但看caffe中的model也没有加任何衰减。此外，实际测试的时候，这两个额外的softmax会被去掉。

-> InceptionV2

核心组件

① Batch Normalization 批归一化（在Batch范围内，对每个特征通道分别进行归一化）

• 解决 Internal Covariate Shift 问题（内部neuron的数据分布发生变化）
• 白化：使每一层的出现都规范化到$N(0,1)$
• 允许较高学习率
• 取代部分Dropout
  
  Batch Normalization 位置： 卷积 -> BN -> Relu ；另外配对使用Scale & Shift，添加一组逆算子scale乘子和bias偏置，这组参数需要学习$y^{(k)}={\gamma }^{(k)}{x}^{(k)}+{\beta }^{(k)}$

② 5×5 卷积核 -> 2个 3×3 卷积核

-> InceptionV3

核心组件

① 非对称卷积：N×N 分解成 1×N -> N×1

② 降低参数数量和计算量

但是GoogLeNet团队发现在网络的前期使用这种分解效果并不好，在中度大小的特征图（feature map）上使用效果才会更好（特征图大小建议在12到20之间）。

为了避免这种高效的降尺寸所带来的表达瓶颈的问题，在降尺寸前增加了特征通道。

使用卷积分支+池化分支，串接分支结果。网络机构图如下：

-> InceptionV4

V4的发展主要是，研究了Inception模块与残差连接的结合。ResNet结构大大地加深了网络深度，还极大地提升了训练速度，同时性能也有提升。

基本单元

---

GoogLeNet内容详细了解的话还是要查看论文综述，这里只是简单介绍下。。。