經典網絡GoogLeNet由Christian Szegedy等于2014年提出，論文名為《Going deeper with convolutions》，論文見：https://arxiv.org/pdf/1409.4842v1.pdf

GoogLeNet網絡用到了Inception-v1模塊，關于Inception模塊的介紹可以參考：https://blog.csdn.net/fengbingchun/article/details/113482036

假如輸入圖像大小為n*n，過濾器(filter)為f*f，padding為p，步長(stride)為s，則輸出大小為：計算卷積層大小，如果商不是整數，向下取整，即floor函數；計算池化層大小，如果商不是整數，向上取整，即ceil函數。參考：https://blog.csdn.net/fengbingchun/article/details/80262495 ??

GoogLeNet網絡：

(1).使用了1*1卷積核，減少feature map數。

(2).采用了模塊化的結構(Inception-v1模塊)，方便增添和修改。

(3).網絡最后采用全局平均池化(global average pooling)+全連接層+Softmax，而VGG和AlexNet最后使用連續3個全連接層+Softmax。

(4).為避免梯度消失，訓練網絡時額外增加了2個輔助分類器，輔助分類器是將中間某一層的輸出用作分類，并按一個較小的權重加到最終分類結果中。

GoogLeNet測試樣本處理：

(1).對于每個測試樣本，將圖像的短邊縮放到四種尺寸，分別為256、288、320、352；

(2).從每種縮放后的尺寸的測試樣本中，截取圖像的左、中、右方形區域(在肖像圖像中截取上、中、下方形區域)；

(3).對于截取后的每個方形區域，從4個角和中心分別截取一個224*224區域，再將此方形區域縮小到224*224；

(4).將每個獲取的224*224圖像進行水平翻轉；

這樣每個原始測試樣本共得到4*3*6*2=144張圖像。

GoogLeNet訓練網絡時架構(有22+5層)，論文截圖如下：

Caffe中GoogLeNet網絡相關文件見：https://github.com/BVLC/caffe/tree/master/models/bvlc_googlenet

GoogLeNet推理網絡架構：總共包含有9個Inception-v1模塊，blvc_googlenet中deploy.prototxt，輸入層shape為[10,3,224,224]，即batch為10，這里調整為1

(1).輸入層(Input)：圖像大小224*224*3。

(2).卷積層1+ReLU：使用64個7*7的filter，stride為2，padding為3，輸出為112*112*64，64個feature maps。

(3).最大池化層1+LRN：filter為3*3，stride為2，padding為0，輸出為56*56*64，64個feature maps。

(4).卷積層2+ReLU：使用64個1*1的filter，stride為1，padding為0，輸出為56*56*64，64個feature maps。

(5).卷積層3+ReLU+LRN：使用192個3*3的filter，stride為1，padding為1，輸出為56*56*192，192個feature maps。

(6).最大池化層2：filter為3*3，stride為2，padding為0，輸出為28*28*192，192個feature maps。

(7).Inception-1：由左往右，最終輸出并拼接為28*28*256，feature maps總數為64+128+32+32=256。

A.卷積+ReLU：使用64個1*1的filter，stride為1，padding為0，輸出為28*28*64。

B.卷積+ReLU：使用96個1*1的filter，stride為1，padding為0，輸出為28*28*96。然后再一次卷積+ReLU：使用128個3*3的filter，stride為1，padding為1，最終輸出為28*28*128。

C. 卷積+ReLU：使用16個1*1的filter，stride為1，padding為0，輸出為28*28*16。然后再一次卷積+ReLU：使用32個5*5的filter，stride為1，padding為2，最終輸出為28*28*32。

D.最大池化：filter為3*3，stride為1，padding為1，輸出為28*28*192。然后再卷積+ReLU：使用32個1*1的filter，stride為1，padding為0，最終輸出為28*28*32。

(8).Inception-2：由左往右，最終輸出并拼接為28*28*480，feature maps總數為128+192+96+64=480。

(9).最大池化層3：filter為3*3，stride為2，padding為0，輸出為14*14*480，480個feature maps。

(10).Inception-3：由左往右，最終輸出并拼接為14*14*512，feature maps總數為192+208+48+64=512。

(11).Inception-4：由左往右，最終輸出并拼接為14*14*512，feature maps總數為160+224+64+64=512。

(12).Inception-5：由左往右，最終輸出并拼接為14*14*512，feature maps總數為128+256+64+64=512。

(13).Inception-6：由左往右，最終輸出并拼接為14*14*528，feature maps總數為112+288+64+64=528。

(14).Inception-7：由左往右，最終輸出并拼接為14*14*832，feature maps總數為256+320+128+128=832。

(15).最大池化層4：filter為3*3，stride為2，padding為0，輸出為7*7*832，832個feature maps。

(16).Inception-8：由左往右，最終輸出并拼接為7*7*832，feature maps總數為256+320+128+128=832。

(17).Inception-9：由左往右，最終輸出并拼接為14*14*1024，feature maps總數為384+384+128+128=1024。

(18).平均池化層5+Dropout：filter為7*7，stride為1，padding為0，輸出為1*1*1024，1024個feature maps。

(19).全連接層：有1000個神經元或1000個feature maps。

(20).輸出層(Softmax)：輸出分類結果，看它究竟是1000個可能類別中的哪一個。

可視化結果如下圖所示：

GitHub：https://github.com/fengbingchun/NN_Test

總結

以上是生活随笔為你收集整理的经典网络GoogLeNet介绍的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。