经典卷积架构:GoogLeNet

GoogLeNet

GoogLeNet，也叫做Inception，没错，翻译过来就是《盗梦空间》。

相较于之前的网络，GoogLeNet网络层数更多，网络变得更深，网络结构也变得更加复杂。

不过，虽然网络结构复杂，但由于使用了1*1卷积来减少通道数，GoogLeNet所包含的参数不增反减，这也是GoogLeNet表现如此出众的重要原因之一。

GoogleNet的网络结构参数表如下：

type：网络层类型
patch size/stride：(卷积核or池化窗口)尺寸/（卷积/池化）步长
output size：该层输出特征图的shape

GoogLeNet重复使用了inception，和NiN基础块一样，它也是一个单独的块，不妨记作inception block，蓝色框起来的是便是inception block需要的参数。

inception block结构如下：

inception block使用了4个并行的分支，最后在通道维度上将4个分支的结果做了concat融合。这样，网络变宽了，我们无需考虑到底是用卷积层还是池化层，卷积核的尺寸是3x3还是5x5比较好，这一切，都交给模型，让模型自己去学习。

网络结构表中inception的参数说明：

#1x1：1x1卷积输出通道数（第一分支）
#3x3reduce：3x3卷积之前的1x1卷积输出通道数（第二分支）
#3x3：3x3卷积输出通道数（第二分支）
#5x5 reduce：5x5卷积之前的1x1卷积输出通道数（第三分支）
#5x5：5x5卷积输出通道数（第三分支）
pool proj：池化层后面的1x1卷积输出通道数（第四分支）

值得注意的是，inception block输出特征图的尺寸和输入图片尺寸是一样的，只是通道数发生了改变，因此4个分支的输出结果可以在通道维度上进行concat融合。

根据网络结构参数表，就可以着手实现GoogLeNet了。

PyTorch 实现GoogLeNet

由于网络中大量用到卷积-批归一化-激活操作，于是可以将其打包成一个模块conv_block：

class conv_block(nn.Module):
    def __init__(self, in_channels, out_channels, **kwargs):
        super().__init__()
        self.relu = nn.ReLU()
        self.conv = nn.Conv2d(in_channels, out_channels, **kwargs)
        self.batchnorm = nn.BatchNorm2d(out_channels)

    def forward(self, x):
        return self.relu(self.batchnorm(self.conv(x)))

然后根据inception的结构图实现inception block:

class Inception_block(nn.Module):
    # Inception参数顺序：in_channels, out_1x1, red_3x3, out_3x3, red_5x5, out_5x5, out_1x1pool
    def __init__(
        self, in_channels, out_1x1, red_3x3, out_3x3, red_5x5, out_5x5, out_1x1pool
    ):
        """
        in_channels:输入通道数，一般是3
        out_1x1：对应`#1x1`，1x1卷积输出通道数（第一分支）
        red_3x3：对应`#3x3 reduce`，3x3卷积之前的`1x1`卷积输出通道数（第二分支）
        out_3x3：对应`#3x3`，`卷积输出通道数（第二分支）
        red_5x5：对应`#5x5 reduce`，5x5卷积之前的`1x1`卷积输出通道数（第三分支）
        out_5x5：对应`#5x5`，5x5卷积输出通道数（第三分支）
        out_1x1pool：对应`pool proj`,池化层后面的`1x1`卷积输出通道数（第四分支）
        注意第四分支的池化层无需从外部传参，因为池化操作不会改变通道数。
        """
        super().__init__()
        self.branch1 = conv_block(in_channels, out_1x1, kernel_size=(1, 1))

        self.branch2 = nn.Sequential(
            conv_block(in_channels, red_3x3, kernel_size=(1, 1)),
            conv_block(red_3x3, out_3x3, kernel_size=(3, 3), padding=(1, 1)),
        )

        self.branch3 = nn.Sequential(
            conv_block(in_channels, red_5x5, kernel_size=(1, 1)),
            conv_block(red_5x5, out_5x5, kernel_size=(5, 5), padding=(2, 2)),
        )

        self.branch4 = nn.Sequential(
            nn.MaxPool2d(kernel_size=(3, 3), stride=(1, 1), padding=(1, 1)),
            conv_block(in_channels, out_1x1pool, kernel_size=(1, 1)),
        )

    def forward(self, x):
        #将4个分支输出的结果在通道维度上做concat
        return torch.cat(
            [self.branch1(x), self.branch2(x), self.branch3(x), self.branch4(x)], 1
        )

对照GoogLeNet的网络结构参数表，实现GoogLeNet：

class GoogLeNet(nn.Module):
    def __init__(self,  num_classes=1000):
        super().__init__()

        self.conv1 = conv_block(
            in_channels=3,
            out_channels=64,
            kernel_size=(7, 7),
            stride=(2, 2),
            padding=(3, 3),
        )

        self.maxpool1 = nn.MaxPool2d(kernel_size=3, stride=2, padding=1)
        self.conv2 = conv_block(64, 192, kernel_size=3, stride=1, padding=1)
        self.maxpool2 = nn.MaxPool2d(kernel_size=3, stride=2, padding=1)

        # Inception参数顺序：in_channels, out_1x1, red_3x3, out_3x3, red_5x5, out_5x5, out_1x1pool
        self.inception3a = Inception_block(192, 64, 96, 128, 16, 32, 32)
        self.inception3b = Inception_block(256, 128, 128, 192, 32, 96, 64)
        self.maxpool3 = nn.MaxPool2d(kernel_size=(3, 3), stride=2, padding=1)

        self.inception4a = Inception_block(480, 192, 96, 208, 16, 48, 64)
        self.inception4b = Inception_block(512, 160, 112, 224, 24, 64, 64)
        self.inception4c = Inception_block(512, 128, 128, 256, 24, 64, 64)
        self.inception4d = Inception_block(512, 112, 144, 288, 32, 64, 64)
        self.inception4e = Inception_block(528, 256, 160, 320, 32, 128, 128)
        self.maxpool4 = nn.MaxPool2d(kernel_size=3, stride=2, padding=1)

        self.inception5a = Inception_block(832, 256, 160, 320, 32, 128, 128)
        self.inception5b = Inception_block(832, 384, 192, 384, 48, 128, 128)

        self.avgpool = nn.AvgPool2d(kernel_size=7, stride=1)
        self.dropout = nn.Dropout(p=0.4)
        self.fc1 = nn.Linear(1024, num_classes)


    def forward(self, x):
        x = self.conv1(x)
        x = self.maxpool1(x)
        x = self.conv2(x)
        x = self.maxpool2(x)

        x = self.inception3a(x)
        x = self.inception3b(x)
        x = self.maxpool3(x)

        x = self.inception4a(x)
        x = self.inception4b(x)
        x = self.inception4c(x)
        x = self.inception4d(x)
        x = self.inception4e(x)
        x = self.maxpool4(x)
        
        x = self.inception5a(x)
        x = self.inception5b(x)
        
        x = self.avgpool(x)
        x = x.reshape(x.shape[0], -1)
        x = self.dropout(x)
        x = self.fc1(x)
        
        return x

测试一下，输入4张224*224的3通道图片：

参考：

• [1] https://www.geeksforgeeks.org/understanding-googlenet-model-cnn-architecture/
• [2] https://www.youtube.com/watch?v=uQc4Fs7yx5I&list=PLhhyoLH6IjfxeoooqP9rhU3HJIAVAJ3Vz&index=18