CV经典主干网络(Backbone )系列：谷歌网络(inception net )作者： Christian Szegedy等

发布时间： 2014

Paper原文： Going deeper with convolutions

这篇文章是CV经典主干网络(Backbone )系列下的文章。

谷歌网络有多个版本(V1到V4 )，但这里只讨论V1。 请参考图片分类inception家族的进化史“谷歌网络、inception、Xception”。

谷歌网也被称为Inception net。 因为谷歌网络的核心组成部分是inception module。 另外，谷歌网的名字有向LeNet表示敬意的意思。

谷歌网参加了2014年的ImageNet挑战，取得了分类任务第一的成绩。

谷歌网与VGG相比，网络深度更深，达到22级，甚至扩展到了宽度，但参数量小得多，而且效果也很好。

YOLO V1的主干网基于谷歌网。

1.1网络结构的网络结构如下： 22层(3 conv 9 inception 1 fc，其中每个inception层有两个卷积层) .另外，需要注意的是，网络总共有三个输出。

1.2 inceptionmoduleinceptionmodule应该位于谷歌网络的核心。 结构如下。

将1×1、3x 3、5x 5内核卷积得到的特征进行融合(如果卷积步骤stride=1，pad分别为0、1、2，则通过卷积可以得到相同维度的特征，并将这些特征直接合并) 这实际上起着图像金字塔的作用，被称为所谓的多解决方案

通过进行大量1×1卷积，压缩网络，然后进行3×3或5×5卷积，可以大幅减少计算量。

用全局Ave池替换FC。 根据下图，在FC的情况下，超级参数的数量为7x7x1024x1024=51.3M，但是在改变为Ave Pool之后，超级参数的数量为0，从而可以起到防止过接的作用。 作者还发现采用Ave Pool后，top-1的准确率提高了约0.6%。 但是请注意，谷歌网络并不能完全取代FC。

采用了副分类器。 上述训练时有多个输出。 整个模型有三个输出。 例如，VGG只有一个输出。 这里的多个output只在训练的时候使用。 也就是说，在测试和部署时只使用最后的输出。 在训练时，对3个输出的loss进行加权平均，假设weight=0.3，既能缓解梯度消失，又表明作者有正则化的作用。 其实这种思想类似于传统机器学习中的投票机制，最终结果是由多个决策器共同投票决定的，这在传统机器学习中往往会提高约2%的精度。

1.3性能谷歌网约700万个参数，多点操作(MAC )约15.5亿。 更多内容见谷歌net v1的计算量和参数量结算表。