Inception系列回顾

Inception 家族成员：Inception-V1（GoogLeNet）、BN-Inception、Inception-V2、Inception-V3、Inception-ResNet-V1、Inception-V4、Inception-ResNet-V2。

Inception系列网络结构可以模块化为：

• Stem ：前处理部分
• A B C ： 网络主体 “三段式”，A B C每段的输入feature size依次折半，channel增加
• ReductionA B ：完成feature size折半操作（降采样）
• Avg Pooling (+ Linear) ：后处理部分

Inception系列的演化过程就是上面各环节不断改进（越来越复杂）的过程，其进化方向大致为

• Stem ：大卷积层→多个小卷积层堆叠→multi-branch 小卷积层堆叠
• A B C ：相同multi-branch结构→每阶段不同multi-branch结构→每阶段不同 Residual+multi-branch 结构，big convolution→ small convolution + BN → factorized convolution
• ReductionA B ：max pooling → 不同multi-branch conv(stride 2)结构
• 后处理 ：Avg Pooling + Linear → Avg Pooling

性能进化如下图所示，single model通过center crop 在ImageNet上 Top1 和 Top5 准确率，

具体如下。

Inception-V1 (GoogLeNet)

Inception-V1，更被熟知的名字为GoogLeNet，意向Lenet致敬。

通过增加网络深度和宽度可以提升网络的表征能力。

增加宽度可以简单地通过增加卷积核数量来实现，GoogLeNet在增加卷积核数量的同时， 引入了不同尺寸的卷积核，来捕捉不同尺度的特征 ，形成了 multi-branch结构 ——这是GoogLeNet网络结构的最大特点，如下图所示，然后将不同branch得到的feature map 拼接在一起，为了让feature map的尺寸相同，每个branch均采用SAME padding方式，同时 stride为1（包括max pooling） 。为了降低计算量，又 引入了$1\times 1$卷积层来降维 ，如下图右所示，该multi-branch结构称之为一个Inception Module，在GoogLeNet中采用的是下图右的Inception Module。

直接增加深度会导致浅层出现严重的梯度消失现象，GoogLeNet引入了 辅助分类器（Auxiliary Classifier） ，在浅层和中间层插入， 来增强回传时的梯度信号，引导浅层学习到更具区分力的特征。

最终，网络结构如下，主体三段式A B C 即 3x、4x、5x，

GoogLeNet网络结构的特点可以概括为，

• 同时使用不同尺寸的卷积核，形成 multi-branch 结构，来捕捉不同尺度的特征
• 使用$1 \times 1$卷积降维 ，压缩信息，降低计算量
• 在classifier前使用 average pooling

BN-Inception

BN-Inception网络实际是在Batch Normalization论文中顺带提出的，旨在表现BN的强大。

与GoogLeNet的不同之处在于，

• 在每个激活层前 增加BN层
• 将Inception Module中的$5 \times 5$ 卷积替换为2个$3\times 3$ 卷积 ，如上图所示
• 在Inception 3a和3b之后增加Inception 3c
• 部分Inception Module中的Pooling层改为average pooling
• 取消Inception Module之间衔接的pooling层，而将下采样操作交给Inception 3c和4e，令stride为2

BN-Inception网络结构如下

Inception-V2, V3

Inception V2和V3出自同一篇论文 Rethinking the Inception Architecture for Computer Vision 。

GoogLeNet和BN-Inception网络结构中Inception Module可分为3组，称之为3x、4x和5x（即主体三段式A B C），GoogLeNet和BN-Inception这3组采用相同Inception Module结构，只是堆叠的数量不同。

Inception V2和V3与以往最大的不同之处在于3组分别使用了不同结构的Inception Module，分别如下图从左到右所示，

具体地，

• 3x使用的Inception Module与BN-Inception相同，即将$5\times 5$拆分成2个堆叠的$3\times 3$ ；
• 4x使用的Inception Module采用了factorized convolutions ， 将2维卷积拆分成2个堆叠的1维卷积，可类比传统计算机视觉中的“行列可分解卷积”，但中间夹了个激活 ，1维卷积的长度为7；
• 5x使用的Inception Module，1维卷积不再堆叠而是并列，将结果concat；

除此之外，

• 3x和4x之间，4x和5x之间，均不存在衔接的池化层，下采样通过Inception Module中的stride实现
• 取消了浅层的辅助分类器，只保留中层的辅助分类器
• 最开始的几个卷积层调整为多个堆叠的$3\times 3$ 卷积

据论文所述，V2的网络结构如下

据论文所述，V3与V2的差异在于，

• RMSProp Optimizer
• Label Smoothing ， 训练中使用的label为one hot label与均匀分布的加权 ，可以看成一种正则
• Factorized $7 \times 7$，即将第一个$7 \times 7$卷积层变为堆叠的3个$3 \times 3$
• BN-auxiliary，辅助分类器中的全连接层也加入BN

但是， 实际发布的Inception V3完全是另外一回事 ，参见 pytorch/inception ，有人绘制了V3的网络架构如下——网上少有绘制正确的，下图中亦存在小瑕疵，最后一个下采样Inception Module中$1\times 1$的stride为1。

需要注意的是，起下采样作用两个Inception Module并不相同。

有的时候，Inception-V2和BN-Inception是混淆的。从Inception-V3开始，Inception架构变得越来越不像人搞的……

Inception-V4，Inception-ResNet-v1，Inception-ResNet-v2

Inception-V4，Inception-ResNet-v1 和 Inception-ResNet-v2出自同一篇论文 Inception-V4, Inception-ResNet and the Impact of Residual Connections on Learning ，

Inception-V4相对V3的主要变化在于， 前处理使用更复杂的multi-branch stem模块 ，主体三段式与V3相同。

Inception-ResNet-V1与Inception-ResNet-V2，将Inception与ResNet结合， 使用Inception结构来拟合残差部分 ，两者在A B C部分结构相同，只是后者channel数更多，两者的主要差异在前处理部分，后者采用了更复杂的multi-branch stem结构（与V4相同）。相比纯Inception结构， 引入ResNet结构极大加快了网络的收敛速度 。

以上。