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