CNN模型之GoogLeNet

一、介绍

        GoogLeNet，2014年由Google团队的Christian Szegedy等人提出，为了向LeNet致敬，所以取名GoogLeNet。2014年的ILSVRC分类任务中力压VGGNet赢得了分类任务的冠军。又名Inception。这个网络主要的特点是提高了网络内部计算资源的利用。从网络的深度和宽度两个方面都有所增加。是一个22层的卷积神经网络。要比VGGNet的19层更深。
        GoogLeNet的最大特点就是其Inception结构，通过构建密集的块结构(Inception)来近似最优的稀疏结构，从而达到提高性能而又不大量增加计算量的目的。Inception结果为

在Inception模块中，包含了很多种卷积核，还有池化操作。(b)图中是带有降维的Inception模块。

• 使用$1\times 1$、$3\times 3$、$5\times 5$大小的卷积核，padding不同尺寸，使输出图像大小一致，然后将得到的特征图拼接在一起。
• 层数加深，在不同深处增加loss来避免梯度回传消失。这两个loss就是辅助分类器。
• $1\times 1$卷积核用来降维。

二、模型结构

• AvgPool层设置$5\times 5$并且步长为3.
• 128个$1\times 1$的卷积用来降维，并使用ReLU激活函数
• 全连接层具有1024个节点，并使用ReLU激活函数
• Dropout操作设置为0.7
• 最后是一个线性层是softmax loss 作为分类器。

实验结果：

三、总结

        GoogLeNet网络通过构造密集构造块来近似预期的最佳稀疏结构，此方法的优点是在适度增加计算需求的情况下显著提高了网络的性能。实验结果也表明Inception结构的能力。

友情链接：
代码实现：https://github.com/guoyuantao/CNN_Model/tree/master/CNN_on_cifar_ByPytorch
联系方式：2391855138(加好友请备注)