四、CV_GoogLeNet

四、GoogLeNet

GoogLeNet在加深度的同时做了结构上的创新，引入了一个叫做Inception的结构来代替之前的卷积加激活的经典组件。

1.Inception块

GoogLeNet中的基础卷积块叫做Inception块，其结构较为复杂

Inception块里有4条并行的线路，前三条线路使用窗口大小分别是1 $\times$ 1、3 $\times$ 3、5 $\times$ 5的卷积层来抽取不同空间尺寸下的信息，其中中间2个线路会对输入先做1 $\times$ 1卷积来减少输入通道数，以降低模型复杂度。第4条线路则使用3 $\times$ 3最大池化层，后接1 $\times$ 1卷积层来改变通道数。4条线路都使用了合适的填充来使输入与输出的高宽一致。最后我们将每条线路的输出在通道维上连结，并向后进行传播

（1）1 $\times$ 1卷积

它和其他卷积核的唯一区别是 没有考虑在特征图局部信息之间的关系

1 $\times$ 1卷积的作用

• 实现跨通道的交互和信息整合
• 卷积核通道数的降维（通道数减少）和升维，减少网络参数

在tf.keras中实现Inception模块，各个卷积层卷积核的个数通过参数来控制

# 定义Inception模块
class Inception(tf.keras.layers.Layer):def __init__(self, c1, c2, c3, c4):super().__init__()#线路1self.p1_1 = tf.keras.layers.Conv2D(c1, kernel_size = 1, activation = 'relu', padding = 'same')# 线路2self.p2_1 = tf.keras.layers.Conv2D(c2[0], kernel_size = 1, activation = 'relu', padding = 'same')self.p2_2 = tf.keras.layers.Conv2D(c1[1], kernel_size = 3, activation = 'relu', padding = 'same')# 线路3self.p3_1 = tf.keras.layers.Conv2D(c3[0], kernel_size = 1, activation = 'relu', padding = 'same')self.p3_1 = tf.keras.layers.Conv2D(c3[1], kernel_size = 5, activation = 'relu', padding = 'same')# 线路4self.p4_1 = tf.keras.layers.MaxPool2D(pool_size = 3, padding = 'same', strides = 1)self.p3_1 = tf.keras.layers.Conv2D(c4, kernel_size = 1, activation = 'relu', padding = 'same')# 完成前向传播过程def call(self, x):p1 = self.p1_1(x)p2 = self.p2_2(self.p2_1(x))p3 = self.p3_2(self.p3_1(x))p4 = self.p4_2(self.p4_1(x))# 在通道维上concat输出outputs = tf.concat([p1, p2, p3, p4], axis = -1)return outputs

指定通道数，对Inception模块进行实例化

Inception(64, (96, 128), (16, 32), 32) # 每个卷积层的卷积核数

2.GoogLeNet模型

GoogLeNet主要由Inception块构成

整个网络架构分为五个模块（B1, B2, B3, B4, B5 ），每个模块之间使用步幅为2的3$\times$3最大池化层来减小输出高宽

（1）B1模块

第一模块使用了一个64通道的7 $\times$ 7卷积层

# 定义模型的输入
inputs = tf.keras.Input(shape = (224, 224, 3), name = 'input')x = tf.keras.layers.Conv2D(64, kernel_size = 7, strides = 2, padding = 'same', activation = 'relu')(inputs)x = tf.keras.layers.MaxPool2D(pool_size = 3, strides = 2, padding = 'same')(x)

（2）B2模块

第二个模块使用2个卷积层：首先是64通道的1 $\times$ 1卷积层，然后是将通道增大3倍的3 $\times$ 3卷积层

# B2模块x = tf.keras.layers.Conv2D(64, kernel_size = 1, padding = 'same', activation = 'relu')(x)
x = tf.keras.layers.Conv2D(192, kernel_size = 3, padding = 'same', activation = 'relu')(x)
x = tf.keras.layers.MaxPool2D(pool_size = 3, padding = 'same', strides = 2)(x)

（3）B3模块

第三个模块串联2个完整的Inception块。第一个Inception块的通道数是$64+128+32+32=256$，第二个Inception块输出通道数增至$128+192+96+64=480$

# B3模块x = Inception(64, (96, 128), (16, 32), 32)(x)
x = Inception(128, (128, 192), (32, 96), 64)(x)
x = tf.keras.layers.MaxPool2D(pool_size = 3, strides = 2, padding = 'same')(x)

（4）B4模块

第四模块更加复杂，它串联了5个Inception模块，其输出通道数分别是

$192+208+48+64=512$

$160+224+64+64=512$

$128+256+64+64=512$

$112+288+64+64=528$

$26+320+128+128=832$

并且增加了辅助分类器（放在第一个Inception后面和最后一个Inception前面），根据实验发现网络的中间层具有很强的识别能力，为了利用中间层抽象的特征，在某些中间层中添加含有多层的分类器，如下图所示：

辅助分类器实现：

def aux_classifier(x, filter_size):# x是输入数据，filter_size：卷积层卷积核个数，全连接层神经元个数# 池化层x = tf.keras.layers.AveragePooling2D(pool_size = 5, strides = 3, padding = 'same')(x)# 1x1卷积层x = tf.keras.layers.Conv2D(filters = filter_size[0], kernel_size = 1, strides = 1, padding = 'valid', activation = 'relu')(x)# 展平x = tf.keras.layers.Flatten()(x)# 全连接层x = tf.keras.layers.Dense(units = filter_size[1], activation = 'relu')(x)# Softmax输出层x = tf.keras.layers.Dense(units = 10, activation = 'softmax')(x)return x

B4模块实现

# B4模块#Inception
x = Inception(192, (96, 208), (16, 48), 64)(x)
# 辅助输出1
aux_output_1 = aux_classifier(x, [128, 1024])
# Inception
x = Inception(160, (112, 224), (24, 64), 64)(x)
# Inception
x = Inception(128, (128, 256), (24, 64), 64)(x)
# Inception
x = Inception(112, (144, 288), (32, 64), 64)(x)
# 辅助输出2
aux_output_2 = aux_classifier(x, [128, 1024])
# Inception
x = Inception(256, (160, 320), (32, 128), 128)(x)
# 最大池化
x = tf.keras.layers.MaxPool2D(pool_size = 3, strides = 2, padding = 'same')(x)

（5）B5模块

它串联了2个Inception模块，其输出通道数分别是

$256+320+128+128=832$

$384+384+128+128=1024$

后面紧跟输出层，该模块使用全局平均池化层（GPA）来将每个通道的高和宽变成1。最后输出变成二维数组后接 输出个数为标签类别数 的全连接层。

全局平均池化层（GPA）

用来替代全连接层，将特征图每一通道中所有像素值相加后求平均，得到就是GPA的结果，再将其送入后续网络中进行计算

实现过程：

# B5模块
# Inception
x = Inception(256, (160, 320), (32, 128), 128)(x)
# Inception
x = Inception(384, (192, 384), (48, 128), 128)(x)
# GPA
x = tf.keras.layers.GlobalAvgPool2D()(x)
# 输出层
main_outputs = tf.keras.layers.Dense(10, activation = 'softmax')(x)

（6）最终

构建GooLeNet模型并通过summary来看下模型的结构：

# 使用Model来创建模型，指明输入和输出
model = tf.keras.Model(inputs = inputs, outputs = [main_outputs, aux_output_1, aux_output_2])
model.summary()

3.手写数字识别

（1）数据读取

import numpy as np
from tensorflow.keras.datasets import mnist(train_images, train_labels), (test_images, test_labels) = mnist.load_data()# N H W C
train_images = np.reshape(train_images, (train_images.shape[0], train_images.shape[1], train_images.shape[2], 1))test_images = np.reshape(test_images, (test_images.shape[0], test_images.shape[1], test_images.shape[2], 1))
# 定义两个方法随机抽取部分样本演示def get_train(size):index = np.random.randint(0, np.shape(train_images)[0], size)resize_images = tf.image.resize_with_pad(train_images[index], 224, 224, )return resize_images.numpy(), train_labels[index]def get_test(size):index = np.random.randint(0, np.shape(test_images)[0], size)resize_images = tf.image.resize_with_pad(test_images[index], 224, 224, )return resize_images.numpy(), test_labels[index]
# 获取训练样本和测试样本
train_image, train_label = get_train(256)
test_image, test_label = get_test(128)

（2）模型编译

• 有三个输出，需指定权重

# 优化器，损失函数，评价指标
model.compile(optimizer = tf.keras.optimizers.SGD(learning_rate = 0.01),loss = tf.keras.losses.sparse_categorical_crossentropy,metrics = ['accuracy'],loss_weights = [1, 0.3, 0.3])

（3）模型训练

model.fit(train_images, train_labels, batch_size = 128, epochs = 3, verbose = 1, validation_split = 0.1)

（4）模型评估

model.evaluate(test_images, test_labels, verbose = 1)

4.延伸版本

（1）InceptionV2

在InceptionV2中将大卷积核拆分为小卷积核，将V1中的5 $\times$ 5卷积用两个3 $\times$ 3的卷积代替，从而增加网络的深度，减少了参数

（2）InceptionV3

将n $\times$ n卷积分割为1 $\times$ n和n $\times$ 1两个卷积，例如，一个3 $\times$ 3的卷积首先执行一个1 $\times$ 3的卷积，然后执行一个3 $\times$ 1的卷积，这种方法的参数量和计算量均降低