torchvision中inception v3的实现

一、torchvision中inception v3的网络结构

论文中给的结构如下图所示。

但是torchvision中的inception v3结构中并不是这么实现的。下面解释一下torchvision中的inception v3结构：

输入图片299*299*3.

(1)经过conv3*3/2  (除以2表示stride=2)

输入通道3，输出通道32，kernel_size=3，stride=2。输出尺寸：(299-3)/2 + 1 = 149。得到149*149*32。

(2) conv3*3/1

输入通道32，输出通道32，kernel_size=3，stride=1。输出尺寸：(149-3)/1 + 1 = 147。得到147*147*32。

(3) conv3*3/1

输入通道32，输出通道64，kernel_size=3，stride=1，padding=1。输出尺寸：(147+2-3)/1 + 1 = 147。得到147*147*64。

(4) max_pool

kernel_size=3,stride=2。输出尺寸：(147-3)/2 + 1 = 73。得到73*73*64。

(5) conv1*1/1

输入通道64，输出通道80，kernel_size=1，stride=1。输出尺寸：(73-1)/1 + 1 = 73。得到73*73*80。

(6)conv3*3/1

输入通道80，输出通道192，kernel_size=1，stride=1。输出尺寸：(73-3)/1 + 1 = 71。得到71*71*192。

(7) max_pool

kernel_size=3,stride=2。输出尺寸：(71-3)/2 + 1 = 35。得到35*35*192。

(8)经过inception_a。其中m = 32。

也跟论文中的图5不一样。

经过inception a之后，得到的特征图大小为：35*35*(224+32) = 35*35*256。

(9)再经过一个inception_a。其中m = 64。

得到的特征图大小为：35*35*(224+64) = 35*35*288。

(10)再经过一个inception_a。其中m = 64。

得到的特征图大小为：35*35*(224+64) = 35*35*288。

(11)经过inception_b

使用的是高效特征图下降的策略。但是与论文的图还是有点差异。

最后得到特征图为：17*17*768.

(12) 经过inception_c，c=128

最后得到特征图为：17*17*768. 

(13) 经过inception_c，c=160

最后得到特征图为：17*17*768.

(14) 经过inception_c，c=160

最后得到特征图为：17*17*768.

(15) 经过inception_c，c=192

最后得到特征图为：17*17*768.

(16)这个地方，可能经过辅助分类层：

(17) (15)之后经过inception_d

 

(18)经过inception_e