深度学习三人行(第11期)----CNN经典网络之GoogLeNet

上一期，我们一起学习了深度学习卷积神经网络中的经典网络之LeNet-5和AlexNet，

深度学习三人行(第10期)----CNN经典网络之LeNet-5和AlexNet

接下来我们一起学习下关于CNN中的另一个比较经典的网络GoogLeNet的相关知识，学习的路上我们多多交流，共同进步。本期主要内容如下：

• Inception Module
• GoogLeNet 构成
• 小结

GoogLeNet网络是由Christian Szegedy在Google Research中发展起来的，该网络赢得2014年ILSVRC的冠军，成功的把top-5的错误率降到了7%，很大一个原因就是因为这个网络比之前介绍的CNN有更深的层。虽然层数更深，但是权重参数却是更少，比前面学的AlexNet网络要少上10倍。为什么呢？

一. Inception Module

那是因为该网络中有很大一部分的子网络是由如下图的Inception Module组成，我们来看一下下面的这个Inception Module：

其中表示“3x3+1(S)”表示该层的卷积核大小为3x3，stride为1，S means SAME padding。从上面的网络可以看出，首先输入信号被copy并输入到四个不同的层中，所有的卷积层都用ReLU激活函数。注意到上面的卷积层用的分别用1x1, 3x3, 5x5的卷积核，这样有助于捕捉到不同尺度的pattern。还有每个层都用了SAME padding，这就意味着，输入图像的宽高和输出的宽高是一致的，这就能够使得最终的Depth Concat能够实现（不同size的图像无法叠加）。在TensorFlow中，Depth Concat的实现是由concat()函数实现的，将其中的参数axis设为3.

我们可能已经发现，为什么会有一些卷积核的size是1x1呢？由于只有一颗像素，所以这些卷积层其实是无法获取任何特征的。事实上，这种层有两个目的：

• 首先就是降维，这些层的作用是使得输出的深度比输入的低，所以又称为瓶颈层，这样就达到一个降维的目的。这个效果在3x3和5x5的卷积层之前就特别有效，大大降低了训练权重的数量。
• 还有就是每一对([1x1,3x3]和[1x1,5x5])的卷积层，像一个强大的卷积层，能够捕获更为复杂的pattern.事实上确实如此，一个单层的卷积层就像是一个简单的线性分类器滑过图像，而该组合相当于是两层神经网络滑过图像。

每一个卷积层中卷积核的数量都是一个超参数，这就意味着一个Inception Module就有6个超参数需要调节。

二. GoogLeNet 构成

来我们一起看下GoogLeNet的构成，如下图。图中包含有9个inception module（图中带有螺旋形的标识）。inception module上的6个数字分别对应上图中每一个卷积层的输出个数。并且图中所有的卷积层都使用ReLU激活函数。

我们来一起看下这个网络：

• 为了降低计算负载，前两层的stride=2，意味着将图像的宽高分别除以4，面积缩小到之前的1/16。
• 为了使前面的层能够学到更多的特征，接着用了局部响应正则化（上期一起学过的）。
• 再接下来就是两个卷积层，类似一个瓶颈层，可以看做是一个智能卷积层。
• 下面又是一个局部响应正则化的层，来保证能够学到更多的特征。
• 接着用一个stride为2的最大值池化层来降低计算负载。
• 接着就是9个inception module，中间插了两个最大值池化层，来降维加速 。
• 接下来用了一个均值池化层，并且VALID padding。输出图像的size为1x1，这种策略称为全局均值池化。该策略能够很好的强迫之前的层输出更为有效的特征，因为其他特征将会被均值被过滤掉。这样就使得后面的全连接层比较少，没有必要像AlexNet那样有好几个全连接层。
• 最后就不说了，一个Dropout正则化，一个全连接层和softmax激活函数来获取输出结果。

上面的这个图相对来说更简单一些，原始的GoogLeNet在第三个和第六个inception module顶端还包含了两个辅助的分类器，他们都是由一个均值池化层，一个卷积层，两个全连接层和一个softmax激活层组成。在训练期间，他们损失的70%被加到网络整体损失中，这样做是为了防止梯度消失，并且正则化网络。然而，效果却相对较小。

三. 小结

今天，我们一起学习了卷积神经网络的经典框架GoogLeNet网络的组成，以及其原理，希望其组成能够对我们构建网络有所启发，在学习的路上，我们共同进步，多谢有你。