CNN模型之GoogLeNet

一、介紹

        GoogLeNet，2014年由Google團隊的Christian Szegedy等人提出，爲了向LeNet致敬，所以取名GoogLeNet。2014年的ILSVRC分類任務中力壓VGGNet贏得了分類任務的冠軍。又名Inception。這個網絡主要的特點是提高了網絡內部計算資源的利用。從網絡的深度和寬度兩個方面都有所增加。是一個22層的卷積神經網絡。要比VGGNet的19層更深。
        GoogLeNet的最大特點就是其Inception結構，通過構建密集的塊結構(Inception)來近似最優的稀疏結構，從而達到提高性能而又不大量增加計算量的目的。Inception結果爲

在Inception模塊中，包含了很多種卷積核，還有池化操作。(b)圖中是帶有降維的Inception模塊。

• 使用$1\times 1$、$3\times 3$、$5\times 5$大小的卷積核，padding不同尺寸，使輸出圖像大小一致，然後將得到的特徵圖拼接在一起。
• 層數加深，在不同深處增加loss來避免梯度回傳消失。這兩個loss就是輔助分類器。
• $1\times 1$卷積核用來降維。

二、模型結構

• AvgPool層設置$5\times 5$並且步長爲3.
• 128個$1\times 1$的卷積用來降維，並使用ReLU激活函數
• 全連接層具有1024個節點，並使用ReLU激活函數
• Dropout操作設置爲0.7
• 最後是一個線性層是softmax loss 作爲分類器。

實驗結果：

三、總結

        GoogLeNet網絡通過構造密集構造塊來近似預期的最佳稀疏結構，此方法的優點是在適度增加計算需求的情況下顯著提高了網絡的性能。實驗結果也表明Inception結構的能力。

友情鏈接：
代碼實現：https://github.com/guoyuantao/CNN_Model/tree/master/CNN_on_cifar_ByPytorch
聯繫方式：2391855138(加好友請備註)