tensorflow+inceptionv3图像分类网络结构的解析与代码实现【附下载】

论文链接:论文地址

ResNet传送门：Resnet-cifar10

DenseNet传送门：DenseNet

SegNet传送门：Segnet-segmentation

深度学习的火热，使得越来越多的科研人员投入到其中。而作为各种应用类型的网络基础，图像分类的网络结构有许多，从AlexNet开始,到VGG-Net,到GoogleNet,到ResNet,denseNet等。网络结构在不断地改进，也在不断地趋于稳定。新的单纯地图像分类结构越来越少（可能是分类效果已经达到了一定的需求）。本文主要讲解GoogleNet改进后的Inceptionv3网络结构。其网络结构如下所示:

   该网络在ILSVRC 2012的分类挑战上能获得5.6%的top-5 error。在参数量方面远小于VGG-Net，所以能有更块地训练速度以及不错的分类精度。文章中提到了4个通用的网络设计原则。

简单来讲就是：1、不要在网络的一开始使用过大的filter size,这会导致图像信息的丢失；2、高维数据的表示更容易在网络内进行局部处理，添加激活函数可以获得更多的disentangled features （不知道怎么翻译，有知道的大佬可否在评论底下说说?)；3、空间聚合可以通过低维嵌入来完成，其表示能力没有太多或任何损失。（这里讲的就是网络中inception模块的分成4个branch最后聚合在一起所使用的原则）；4、平衡网络的宽度和深度。

 卷积核的分解

   文章的核心部分在于其inception modules。而inception modules中又用到了factorization(将的filter size 分解成多个小的filter size)，其原理可以用如下的图表示：

 

假设有一个5x5的feature map，我们可以直接用一个5x5的filter对其做卷积得到1个值，也可以通过两个3x3的filter对其做卷积得到1个值，但相较于前者，后者有更少地参数:3x3x2=18。前者为5x5=25。可以减少的参数量为：(25-18)/25=28%。

在此基础上，论文又提出可以使用使用非对称的卷积核来替代较大的卷积核。如下图所示：

对于一个3x3的卷积核，可以使用一个1x3和一个3x1的组合来替代。一般化地话，可以使用1xn和nx1替代nxn的卷积核。

辅助分类器

    

 

辅助分类器即除了主分类器之外，还在网络结构中的某一层，论文中为17x17x768的那一层，添加了一个分支用来做辅助分类。其思想来源于GoogleNet(Going deeper with convolutions)  。

网络尺寸的有效减少

    在论文中给出的网络结构中,3xInception和5xInception以及5xInception和2xInception有一个尺寸的减少，其具体实现方法为如下所示：