GoogleNet的Inception_v1、Inception_v2、Inception_v3、Inception_v4(整理)

小灰灰 2022-05-16 11:16 358阅读 0赞

来自caffeCN的一个简要的总结(http://caffecn.cn/?/question/255)：

先上Paper列表：

*  \[v1\] Going Deeper with Convolutions, 6.67% test error, [http://arxiv.org/abs/1409.4842][http_arxiv.org_abs_1409.4842]
 *  \[v2\] Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift, 4.8% test error, [http://arxiv.org/abs/1502.03167][http_arxiv.org_abs_1502.03167]
 *  \[v3\] Rethinking the Inception Architecture for Computer Vision, 3.5% test error,  [http://arxiv.org/abs/1512.00567][http_arxiv.org_abs_1512.00567]
 *  \[v4\] Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning, 3.08% test error, [http://arxiv.org/abs/1602.07261][http_arxiv.org_abs_1602.07261]

大体思路：

*  Inception v1的网络，将1x1，3x3，5x5的conv和3x3的pooling，stack在一起，一方面增加了网络的width，另一方面增加了网络对尺度的适应性；
 *  v2的网络在v1的基础上，进行了改进，一方面了加入了BN层，减少了Internal Covariate Shift（内部neuron的数据分布发生变化），使每一层的输出都规范化到一个N(0, 1)的高斯，另外一方面学习VGG用2个3x3的conv替代inception模块中的5x5，既降低了参数数量，也加速计算；
 *  v3一个最重要的改进是分解（Factorization），将7x7分解成两个一维的卷积（1x7,7x1），3x3也是一样（1x3,3x1），这样的好处，既可以加速计算（多余的计算能力可以用来加深网络），又可以将1个conv拆成2个conv，使得网络深度进一步增加，增加了网络的非线性，还有值得注意的地方是网络输入从224x224变为了299x299，更加精细设计了35x35/17x17/8x8的模块；
 *  v4研究了Inception模块结合Residual Connection能不能有改进？发现ResNet的结构可以极大地加速训练，同时性能也有提升，得到一个Inception-ResNet v2网络，同时还设计了一个更深更优化的Inception v4模型，能达到与Inception-ResNet v2相媲美的性能

=========================================================================================

基础单元：

![Center][]

一个5x5的网格等于两个3x3的降级

![Center 1][]

一个3x3的可以降维成一个由3x1的卷积的3个输出网络

![Center 2][]

35降维可以理解为1+9+25

![Center 3][]

17降维理解为每次降7个点，17=>11=>5

![Center 4][]

8降维可以理解为8=>6=>4=>2

![Center 5][]

这个是V1对应的3个Inception结构，V2添加相应的BN就可以。

![Center 6][]

![Center 7][]

![Center 8][]

=========================================================================================

推荐参考博客：

http://blog.csdn.net/cv\_family\_z/article/details/50789805

http://blog.csdn.net/stdcoutzyx/article/details/51052847

Github上面有写好的这几个版本的python实现：

https://github.com/soeaver/caffe-model

https://github.com/titu1994/Inception-v4

Keras框架是一个不错的框架，不仅框架安装方便，代码易修改，更重要的是[API文档][API]写的非常完美，个人推荐用Keras上手学习DL。

[http_arxiv.org_abs_1409.4842]: http://arxiv.org/abs/1409.4842
[http_arxiv.org_abs_1502.03167]: http://arxiv.org/abs/1502.03167
[http_arxiv.org_abs_1512.00567]: http://arxiv.org/abs/1512.00567
[http_arxiv.org_abs_1602.07261]: http://arxiv.org/abs/1602.07261
[Center]: /images/20220516/c1ac69ae2921421fb2d51a398589d953.png
[Center 1]: /images/20220516/891e23206dd8446f8404a1a294042004.png
[Center 2]: /images/20220516/7e6009607d3044bb86d25902417bbf37.png
[Center 3]: /images/20220516/6e1e04fc41574a8b8841752efb94a8d9.png
[Center 4]: /images/20220516/70c28349871b438a9aa328a47dc5b0b2.png
[Center 5]: /images/20220516/e4ee4facb27f4259ba9c5aad610b0747.png
[Center 6]: /images/20220516/a7d95ff9131341f5923c719f73858197.png
[Center 7]: /images/20220516/9aa0cb92c094489caf038f4aed014460.png
[Center 8]: /images/20220516/758404b14a364ad8a4f17ff10fe4385a.png
[API]: http://keras-cn.readthedocs.io/en/latest/

发表评论取消回复

表情：

评论列表（有 0 条评论，358人围观）

还没有评论，来说两句吧...

相关阅读

相关迁移学习---inceptionV3

一.迁移学习的概述迁移学习是指将一个在某领域完成学习任务的网络应用到新的领域来进行学习任务。基于卷积网络实现迁移学习对于已经训练完毕的网络模型来说，通常该网

短命女/ 2023年10月04日 11:41/ 0 赞/ 23 阅读

相关神经网络学习小记录21——InceptionV3模型的复现详解

神经网络学习小记录21——InceptionV3模型的复现详解学习前言什么是InceptionV3模型 InceptionV3网络部分实现代码

比眉伴天荒/ 2023年06月11日 06:28/ 0 赞/ 145 阅读

相关 InceptionV3详细代码,带准确率和loss分析，以及ROC曲线（python）

from __future__ import absolute_import from __future__ import division from

曾经终败给现在/ 2023年01月03日 12:55/ 0 赞/ 223 阅读

相关计算1/2+(1/3+2/3)+(1/4+2/4+3/4)+...+(1/60+2/60+...+59/60)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ub

野性酷女/ 2022年12月21日 14:52/ 0 赞/ 310 阅读

相关 (Inceptionv3)Rethinking the Inception Architecture for Computer Vision

翻译论文汇总：https://github.com/SnailTyan/deep-learning-papers-translation Rethinking the In

墨蓝/ 2022年12月16日 16:19/ 0 赞/ 512 阅读

相关 (Inceptionv2)Batch Normalization Accelerating Deep Network Training by Reducing Internal Covariate S

https://arxiv.org/abs/1502.03167 具有以下的优点： a）可以设置较大的初始学习率，并且减少对参数初始化的依赖，提高了训练速度； b）

我会带着你远行/ 2022年12月16日 09:05/ 0 赞/ 199 阅读

相关 java8实现字符串 “1.2.3.4.5 ” 输出List:1； 1.2； 1.2.3；1.2.3.4；1.2.3.4.5

要求：字符串 “1.2.3.4.5 ” 输出List: 1; 1.2; 1.2.3;1.2.3.4;1.2.3.4.5 eg:1; 1.2; 1.2.3;1.2.3

「爱情、让人受尽委屈。」/ 2022年10月05日 13:54/ 0 赞/ 312 阅读

相关常见的神经网络模型 AlexNet,VGGNet,GoogleNet,resNet,inceptionV3,Inception-v4,xception等论文下载链接

LeNet 1986 AlexNet 2012 [http://pan.baidu.com/s/1NpEG2，作者:Alex][http_pan.baidu.com_s_1

曾经终败给现在/ 2022年05月24日 07:06/ 0 赞/ 320 阅读

相关 GoogleNet的Inception_v1、Inception_v2、Inception_v3、Inception_v4(整理)

来自caffeCN的一个简要的总结(http://caffecn.cn/?/question/255)：先上Paper列表： \[v1\] Going Deeper

小灰灰/ 2022年05月16日 11:16/ 0 赞/ 359 阅读

相关 tensorflow android inceptionV3 报错Can not squeeze dim[1], expected a dimension of 1, got 0

java.lang.IllegalArgumentException: Can not squeeze dim[1], expected a dimension of

缺乏、安全感/ 2022年03月07日 01:22/ 0 赞/ 375 阅读