深度学习经典模型之GoogLeNet

铭瑾熙

2574人浏览 · 2024-11-08 02:07:52

铭瑾熙 · 2024-11-08 02:07:52 发布

1 GoogLeNet

1.1 模型介绍

GoogLeNet作为2014年ILSVRC在分类任务上的冠军，以6.65%的错误率力压VGGNet等模型，在分类的准确率上面相比过去两届冠军ZFNet和AlexNet都有很大的提升。从名字GoogLeNet可以知道这是来自谷歌工程师所设计的网络结构，而名字中GoogLeNet更是致敬了LeNet $^{[0]}$ 。GoogLeNet中最核心的部分是其内部子网络结构Inception，该结构灵感来源于NIN，至今已经经历了四次版本迭代（Inception $_{v1-4}$ ）。

在这里插入图片描述

图 1 Inception性能比较图

1.2 模型结构

在这里插入图片描述

图 2 GoogLeNet网络结构图
如图4.9中所示，GoogLeNet相比于以前的卷积神经网络结构，除了在深度上进行了延伸，还对网络的宽度进行了扩展，整个网络由许多块状子网络的堆叠而成，这个子网络构成了Inception结构。图4.9为Inception的四个版本： $Inception_{v1}$ 在同一层中采用不同的卷积核，并对卷积结果进行合并; $Inception_{v2}$ 组合不同卷积核的堆叠形式，并对卷积结果进行合并; $Inception_{v3}$ 则在 $v_2$ 基础上进行深度组合的尝试; $Inception_{v4}$ 结构相比于前面的版本更加复杂，子网络中嵌套着子网络。

$Inception_{v1}$

在这里插入图片描述

$Inception_{v2}$

在这里插入图片描述

$Inception_{v3}$

在这里插入图片描述

$Inception_{v4}$

在这里插入图片描述

图 3 Inception $_{v1-4}$ 结构图

表 4 GoogLeNet中Inception $_{v1}$ 网络参数配置

网络层	输入尺寸	核尺寸	输出尺寸	参数个数
卷积层 $C_{11}$	$H×W×C1H\times{W}\times{C_1}$	$1×1×C2/21\times1\times{C_2}/2$	$H2×W2×C2\frac{H}{2}\times\frac{W}{2}\times{C_2}$	$(1×1×C1+1)×C2(1\times1\times{C_1}+1)\times{C_2}$
卷积层 $C_{21}$	$H×W×C2H\times{W}\times{C_2}$	$1×1×C2/21\times1\times{C_2}/2$	$H2×W2×C2\frac{H}{2}\times\frac{W}{2}\times{C_2}$	$(1×1×C2+1)×C2(1\times1\times{C_2}+1)\times{C_2}$
卷积层 $C_{22}$	$H×W×C2H\times{W}\times{C_2}$	$3×3×C2/13\times3\times{C_2}/1$	$H×W×C2/1H\times{W}\times{C_2}/1$	$(3×3×C2+1)×C2(3\times3\times{C_2}+1)\times{C_2}$
卷积层 $C_{31}$	$H×W×C1H\times{W}\times{C_1}$	$1×1×C2/21\times1\times{C_2}/2$	$H2×W2×C2\frac{H}{2}\times\frac{W}{2}\times{C_2}$	$(1×1×C1+1)×C2(1\times1\times{C_1}+1)\times{C_2}$
卷积层 $C_{32}$	$H×W×C2H\times{W}\times{C_2}$	$5×5×C2/15\times5\times{C_2}/1$	$H×W×C2/1H\times{W}\times{C_2}/1$	$(5×5×C2+1)×C2(5\times5\times{C_2}+1)\times{C_2}$
下采样层 $S_{41}$	$H×W×C1H\times{W}\times{C_1}$	$3×3/23\times3/2$	$H2×W2×C2\frac{H}{2}\times\frac{W}{2}\times{C_2}$	$0$
卷积层 $C_{42}$	$H2×W2×C2\frac{H}{2}\times\frac{W}{2}\times{C_2}$	$1×1×C2/11\times1\times{C_2}/1$	$H2×W2×C2\frac{H}{2}\times\frac{W}{2}\times{C_2}$	$(3×3×C2+1)×C2(3\times3\times{C_2}+1)\times{C_2}$
合并层 $M$	$H2×W2×C2(×4)\frac{H}{2}\times\frac{W}{2}\times{C_2}(\times4)$	拼接	$H2×W2×(C2×4)\frac{H}{2}\times\frac{W}{2}\times({C_2}\times4)$	$0$

1.3 模型特性

采用不同大小的卷积核意味着不同大小的感受野，最后拼接意味着不同尺度特征的融合；
之所以卷积核大小采用1、3和5，主要是为了方便对齐。设定卷积步长stride=1之后，只要分别设定pad=0、1、2，那么卷积之后便可以得到相同维度的特征，然后这些特征就可以直接拼接在一起了；
网络越到后面，特征越抽象，而且每个特征所涉及的感受野也更大了，因此随着层数的增加，3x3和5x5卷积的比例也要增加。但是，使用5x5的卷积核仍然会带来巨大的计算量。为此，文章借鉴NIN2，采用1x1卷积核来进行降维。

如果你也想玩GPT4，市场独享4.0一般在190-230/月，而且官网麻烦，如果想低成本玩GPT4,可以加v：l715666082，加v时刻备注：GPT4

此外，小编为了解决官网的提问次数限制，做了一个账号池，官方事每个号40次/3h提问题次数，通过账号池技术，不用等次数刷新，跟原版的体验感是一样的，因为好用实惠，续费还是很多的

天工造物局

北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台

更多推荐

graphify 视频音视频转写全流程解析：从 detect 结果到知识图谱文档的 Step 2.5

graphify 的核心能力是把任意语料（代码、文档、PDF、图片）转化为可查询的知识图谱，而视频与音频文件无法被直接阅读，必须先把它们转写成文本。本文围绕 `graphify` 运行手册中的转写参考文档 [transcribe.md](https://link.gitcode.com/i/d3285781588e0f1b84886dfdbc4fe7f6)，完整讲解 "Step 2.5 - Tra

天工造物局

ML-For-Beginners 终章：经典机器学习在金融、医疗、零售等八大行业中的真实落地场景

本篇技术指南基于开源课程仓库 ML-For-Beginners 的收尾课程《Postscript: Machine learning in the real world》（对应仓库目录 [9-Real-World/1-Applications](https://link.gitcode.com/i/6b23002df80861c20abf34d7db63ef41)）编写。该课此前 11 周的教学带

天工造物局

graphify 知识图谱查询实战：query / path / explain 与可审计的答案闭环

本指南以 graphify 的 Trae 版查询技能参考（[graphify/skills/trae/references/query.md](https://link.gitcode.com/i/72a7875d46ec6d3706d31791f3cdcbe0)）为主体，系统讲解如何针对**已构建好的知识图谱**执行三类查询：语义相关节点遍历（query）、两概念间最短路径（path）、单节点关