四、Inception

1. Inception 网络是卷积神经网络的一个重要里程碑。在Inception 之前，大部分流行的卷积神经网络仅仅是把卷积层堆叠得越来越多，使得网络越来越深。这使得网络越来越复杂，参数越来越多，从而导致网络容易出现过拟合，增加计算量。

   而Inception 网络考虑的是多种卷积核的并行计算，扩展了网络的宽度。

2. Inception Net 核心思想是：稀疏连接。因为生物神经连接是稀疏的。

3. Inception 网络的最大特点是大量使用了Inception 模块。

4.1 Inception v1

4.1.1 网络结构

1. InceptionNet V1 是一个22层的深度网络。 如果考虑池化层，则有29层。如下图中的depth 列所示。

   网络具有三组Inception 模块，分别为：inception(3a)/inception(3b)、inception(4a)/inception(4b)/inception(4c)/inception(4d)/inception(4e)、inception(5a)、inception(5b)。三组Inception 模块被池化层分隔。

   

2. 下图给出了网络的层次结构和参数，其中：

   • type 列：给出了每个模块/层的类型。
   • patch size/stride 列：给出了卷积层/池化层的尺寸和步长。
   • output size 列：给出了每个模块/层的输出尺寸和输出通道数。
   • depth列：给出了每个模块/层包含的、含有训练参数层的数量。
   • #1x1列：给出了每个模块/层包含的1x1 卷积核的数量，它就是1x1 卷积核的输出通道数。
   • #3x3 reduce列：给出了每个模块/层包含的、放置在3x3 卷积层之前的1x1 卷积核的数量，它就是1x1 卷积核的输出通道数。
   • #3x3列：给出了每个模块/层包含的3x3 卷积核的数量，它就是3x3 卷积核的输出通道数。
   • #5x5 reduce列：给出了每个模块/层包含的、放置在5x5 卷积层之前的1x1 卷积核的数量，它就是1x1 卷积核的输出通道数。
   • #5x5列：给出了每个模块/层包含的5x5 卷积核的数量，它就是5x5卷积核的输出通道数。
   • pool proj列：给出了每个模块/层包含的、放置在池化层之后的1x1 卷积核的数量，它就是1x1 卷积核的输出通道数。
   • params列：给出了每个模块/层的参数数量。
   • ops列：给出了每个模块/层的计算量。

   

3. Inception V1 的参数数量为 697.7 万，其参数数量远远小于AlexNet（6千万）、VGG-Net（超过1亿）。

   Inception V1 参数数量能缩减的一个主要技巧是：在inception(5b)输出到linear之间插入一个平均池化层avg pool。

   • 如果没有平均池化层，则inception(5b) 到 linear 之间的参数数量为：7x7x1024x1024，约为 5 千万。
   • 插入了平均池化层之后，inception(5b) 到 linear 之间的参数数量为：1x1x1024x1024，约为 1百万。

4.1.2 Inception 模块

1. 原始的Inception 模块对输入同时执行：3个不同大小的卷积操作（1x1、3x3、5x5）、1个最大池化操作（3x3 ）。所有操作的输出都在深度方向拼接起来，向后一级传递。

   • 三种不同大小卷积：通过不同尺寸的卷积核抓取不同大小的对象的特征。

     使用1x1、3x3、5x5 这些具体尺寸仅仅是为了便利性，事实上也可以使用更多的、其它尺寸的滤波器。

   • 1个最大池化：提取图像的原始特征（不经过过滤器）。

   

2. 原始Inception 模块中，模块的输出通道数量为四个子层的输出通道数的叠加。这种叠加不可避免的使得Inception 模块的输出通道数增加，这就增加了Inception 模块中每个卷积的计算量。因此在经过若干个模块之后，计算量会爆炸性增长。

   解决方案是：在3x3 和 5x5 卷积层之前额外添加1x1 卷积层，来限制输入给卷积层的输入通道的数量。

   注意：

   • 1x1 卷积是在最大池化层之后，而不是之前。这是因为：池化层是为了提取图像的原始特征，一旦它接在1x1 卷积之后就失去了最初的本意。
   • 1x1 卷积在3x3、5x5 卷积之前。这是因为：如果1x1 卷积在它们之后，则3x3 卷积、5x5 卷积的输入通道数太大，导致计算量仍然巨大。

   

4.1.3 辅助分类器

1. 为了缓解梯度消失的问题，InceptionNet V1 给出了两个辅助分类器。这两个辅助分类器被添加到网络的中间层，它们和主分类器共享同一套训练数据及其标记。其中：

   • 第一个辅助分类器位于Inception(4a) 之后，Inception(4a) 模块的输出作为它的输入。

   • 第二个辅助分类器位于Inception(4d) 之后，Inception(4d) 模块的输出作为它的输入。

   • 两个辅助分类器的结构相同，包括以下组件：

     • 一个尺寸为5x5、步长为3的平均池化层。
     • 一个尺寸为1x1、输出通道数为128 的卷积层。
     • 一个具有1024 个单元的全连接层。
     • 一个drop rate = 70%的 dropout 层。
     • 一个使用softmax 损失的线性层作为输出层。

2. 在训练期间，两个辅助分类器的损失函数的权重是0.3，它们的损失被叠加到网络的整体损失上。在推断期间，这两个辅助网络被丢弃。

   在Inception v3 的实验中表明：辅助网络的影响相对较小，只需要其中一个就能够取得同样的效果。

   事实上辅助分类器在训练早期并没有多少贡献。只有在训练接近结束，辅助分支网络开始发挥作用，获得超出无辅助分类器网络的结果。

3. 两个辅助分类器的作用：提供正则化的同时，克服了梯度消失问题。

4.2 Inception v2

1. Inception v2 的主要贡献是提出了Batch Normalization 。论文指出，使用了Batch Normalization 之后：

   • 可以加速网络的学习。

     相比Inception v1，训练速度提升了14倍。因为应用了BN 之后，网络可以使用更高的学习率，同时删除了某些层。

   • 网络具有更好的泛化能力。

     在ImageNet 分类问题的top5 上达到4.8%，超过了人类标注 top5 的准确率。

2. Inception V2 网络训练的技巧有：

   • 使用更高的学习率。
   • 删除dropout层、LRN 层。
   • 减小L2 正则化的系数。
   • 更快的衰减学习率。学习率以指数形式衰减。
   • 更彻底的混洗训练样本，使得一组样本在不同的epoch 中处于不同的mini batch 中。
   • 减少图片的形变。

3. Inception v2 的网络结构比Inception v1 有少量改动：

   • 5x5 卷积被两个3x3 卷积替代。

     这使得网络的最大深度增加了 9 层，同时网络参数数量增加 25%，计算量增加 30%。

   • 28x28 的inception 模块从2个增加到3个。

   • 在inception 模块中，有的采用最大池化，有的采用平均池化。

   • 在inception 模块之间取消了用作连接的池化层。

   • inception(3c),inception(4e) 的子层采用步长为 2 的卷积/池化。

   Pool+proj 列给出了inception 中的池化操作。

   • avg+32 意义为：平均池化层后接一个尺寸1x1、输出通道32 的卷积层。
   • max+pass through 意义为：最大池化层后接一个尺寸1x1、输出通道数等于输入通道数的卷积层。

   

4. Inception V2 的网络参数约为1126 万。

   层	参数数量
   conv1	9408
   conv2	114688
   inception-3a	218094
   inception-3b	259072
   inception-3c	384000
   inception-4a	608193
   inception-4b	663552
   inception-4c	912384
   inception-4d	1140736
   inception-4e	1447936
   inception-5a	2205696
   inception-5b	2276352
   fc	1024000
   共	11264111

5. Inception V2 在ImageNet 测试集上的误差率：

   

4.3 Inception v3

1. 虽然Inception v1 的参数较少，但是它的结构比较复杂，难以进行修改。原因有以下两点：

   • 如果单纯的放大网络（如增加Inception 模块的数量、扩展Inception 模块的大小），则参数的数量会显著增长，计算代价太大。
   • Inception v1 结构中的各种设计，其对最终结果的贡献尚未明确。

   因此Inception v3 的论文重点探讨了网络结构设计的原则。

4.3.1 网络结构

1. Inception v3 的网络深度为42层，它相对于Inception v1 网络主要做了以下改动：

   • 7x7 卷积替换为3个3x3 卷积。

   • 3个Inception模块：模块中的5x5 卷积替换为2个3x3 卷积，同时使用后面描述的网格尺寸缩减技术。

   • 5个Inception 模块：模块中的5x5 卷积替换为2个3x3 卷积之后，所有的nxn 卷积进行非对称分解，同时使用后面描述的网格尺寸缩减技术。

   • 2个Inception 模块：结构如下。它也使用了卷积分解技术，以及网格尺寸缩减技术。

     

2. Inception v3 的网络结构如下所示：

   • 3xInception 表示三个Inception 模块，4xInception 表示四个Inception 模块，5xInception 表示五个Inception 模块。

   • conv padded 表示使用0填充的卷积，它可以保持feature map 的尺寸。

     在Inception 模块内的卷积也使用0填充，所有其它的卷积/池化不再使用填充。

   

3. 在3xInception 模块的输出之后设有一个辅助分类器。其结构如下：

   

4. Inception v3 整体参数数量约 23,626,728万（论文Xception: Deep Learning with Depthwise Separable Convolutions）。

4.3.2 设计技巧

1. Inception v3 总结出网络设计的一套通用设计原则：

   • 避免representation 瓶颈：representation 的大小应该从输入到输出缓缓减小，避免极端压缩。在缩小feature map 尺寸的同时，应该增加feature map 的通道数。

     representation 大小通常指的是feature map 的容量，即feature map 的width x height x channel 。

   • 空间聚合：可以通过空间聚合来完成低维嵌入，而不会在表达能力上有较大的损失。因此通常在nxn 卷积之前，先利用1x1 卷积来降低输入维度。

     猜测的原因是：空间维度之间的强相关性导致了空间聚合过程中的信息丢失较少。

   • 平衡网络的宽度和深度：增加网络的宽度或者深度都可以提高网络的泛化能力，因此计算资源需要在网络的深度和宽度之间取得平衡。

4.3.2.1 卷积尺寸分解

1. 大卷积核的分解：将大卷积核分解为多个小的卷积核。

   如：使用2个3x3 卷积替换5x5 卷积，则其参数数量大约是1个5x5 卷积的 72% 。

   

2. nxn 卷积核的非对称分解：将nxn 卷积替换为1xn 卷积和nx1 卷积。

   • 这种非对称分解的参数数量是原始卷积数量的 。随着n 的增加，计算成本的节省非常显著。
   • 论文指出：对于较大的feature map ，这种分解不能很好的工作；但是对于中等大小的 feature map （尺寸在12～20 之间），这种分解效果非常好。

   

4.3.2.2 网格尺寸缩减

1. 假设输入的feature map 尺寸为dxd，通道数为k。如果希望输出的feature map 尺寸为d/2 x d/2，通道数为2k。则有以下的两种方式：

   • 首先使用2k 个 1x1 的卷积核，执行步长为1的卷积。然后执行一个2x2 的、步长为2的池化操作。

     该方式需要执行 次乘-加操作，计算代价较大。

   • 直接使用2k 个1x1 的卷积核，执行步长为2的卷积。

     该方式需要执行 次乘-加操作，计算代价相对较小。但是表征能力下降，产生了表征瓶颈。

   事实上每个Inception 模块都会使得feature map 尺寸缩半、通道翻倍，因此在这个过程中需要仔细设计网络，使得既能够保证网络的表征能力，又不至于计算代价太大。

   

2. 解决方案是：采用两个模块P 和 C 。

   • 模块P ：使用k 个1x1 的卷积核，执行步长为2的卷积。其输出feature map 尺寸为d/2 x d/2，通道数为k。
   • 模块C：使用步长为2的池化。其输出feature map 尺寸为d/2 x d/2，通道数为k。

   将模块P 和模块C 的输出按照通道数拼接，产生最终的输出feature map 。

   

4.3.2.3 标签平滑正则化

1. 标签平滑正则化的原理：假设样本的真实标记存在一定程度上的噪声。即：样本的真实标记不一定是可信的。

   对给定的样本 ，其真实标记为 。在普通的训练中，该样本的类别分布为一个 函数：。记做 。

   采用标签平滑正则化（LSR:Label Smoothing Regularization）之后，该样本的类别分布为：

   

   其中 是一个很小的正数（如 0.1)，其物理意义为：样本标签不可信的比例。

   该类别分布的物理意义为：

   • 样本 的类别为 的概率为 。
   • 样本 的类别为 的概率均 。
2. 论文指出：标签平滑正则化对top-1 错误率和top-5 错误率提升了大约 0.2% 。

4.4 Inception v4 & Inception - ResNet

1. Inception v4 和 Inception-ResNet 在同一篇论文中给出。论文通过实验证明了：结合残差连接可以显著加速Inception 的训练。

2. 性能比较：（综合采用了 144 crops/dense 评估的结果，数据集：ILSVRC 2012 的验证集 ）

   网络	crops	Top-1 Error	Top-5 Error
   ResNet-151	dense	19.4%	4.5%
   Inception-v3	144	18.9%	4.3%
   Inception-ResNet-v1	144	18.8%	4.3%
   Inception-v4	144	17.7%	3.8%
   Inception-ResNet-v2	144	17.8%	3.7%

3. Inception-ResNet-v2 参数数量约为 5500万，Inception-ResNet-v1/Inception-v4 的参数数量也在该量级。

4.4.1 Inception v4

1. 在Inception v4 结构的主要改动：

   • 修改了 stem 部分。

   • 引入了Inception-A、Inception-B、Inception-C 三个模块。这些模块看起来和Inception v3 变体非常相似。

     Inception-A/B/C 模块中，输入feature map 和输出feature map 形状相同。而Reduction-A/B 模块中，输出feature map 的宽/高减半、通道数增加。

   • 引入了专用的“缩减块”(reduction block)，它被用于缩减feature map 的宽、高。

     早期的版本并没有明确使用缩减块，但是也实现了其功能。

2. Inception v4 结构如下：（没有标记V 的卷积使用same填充；标记V 的卷积使用valid 填充）

   

   • stem 部分的结构：

     

   • Inception-A模块（这样的模块有4个）：

     

   • Inception-B模块（这样的模块有7个）：

     

   • Inception-C模块（这样的模块有3个）：

     

   • Reduction-A模块：(其中 分别表示滤波器的数量)

     

     网络	k	l	m	n
     Inception-v4	192	224	256	384
     Inception-ResNet-v1	192	192	256	384
     Inception-ResNet-v2	256	256	256	384

   • Reduction-B模块：

     

4.4.2 Inception-ResNet

1. 在Inception-ResNet 中，使用了更廉价的Inception 块：inception 模块的池化运算由残差连接替代。

   在Reduction 模块中能够找到池化运算。

1. Inception ResNet 有两个版本：v1 和 v2 。

   • v1 的计算成本和Inception v3 的接近，v2 的计算成本和Inception v4 的接近。
   • v1 和v2 具有不同的stem 。
   • 两个版本都有相同的模块A、B、C 和缩减块结构，唯一不同在于超参数设置。

2. Inception-ResNet-v1 结构如下：

   

   • stem 部分的结构：

     

   • Inception-ResNet-A模块（这样的模块有5个）：

     

   • Inception-B模块（这样的模块有10个）：

     

   • Inception-C模块（这样的模块有5个）：

     

   • Reduction-A模块：同inception_v4 的 Reduction-A模块

   • Reduction-B模块：

     

3. Inception-ResNet-v2 结构与Inception-ResNet-v1 基本相同 ：

   • stem 部分的结构：同inception_v4 的 stem 部分。

     Inception-ResNet-v2 使用了inception v4 的 stem 部分，因此后续的通道数量与Inception-ResNet-v1 不同。

   • Inception-ResNet-A模块（这样的模块有5个）：它的结构与Inception-ResNet-v1 的Inception-ResNet-A相同，只是通道数发生了改变。

     

   • Inception-B模块（这样的模块有10个）：它的结构与Inception-ResNet-v1 的Inception-ResNet-B相同，只是通道数发生了改变。

     

   • Inception-C模块（这样的模块有5个）：它的结构与Inception-ResNet-v1 的Inception-ResNet-C相同，只是通道数发生了改变。

   • Reduction-A模块：同inception_v4 的 Reduction-A模块。

   • Reduction-B模块：它的结构与Inception-ResNet-v1 的Reduction-B相同，只是通道数发生了改变。

     

4. 如果滤波器数量超过1000，则残差网络开始出现不稳定，同时网络会在训练过程早期出现“死亡”：经过成千上万次迭代之后，在平均池化之前的层开始只生成 0 。

   解决方案：在残差模块添加到activation 激活层之前，对其进行缩放能够稳定训练。降低学习率或者增加额外的BN都无法避免这种状况。

   这就是Inception ResNet 中的 Inception-A,Inception-B,Inception-C 为何如此设计的原因。

   • 将Inception-A,Inception-B,Inception-C 放置在两个Relu activation 之间。
   • 通过线性的1x1 Conv（不带激活函数）来执行对残差的线性缩放。

   

4.5 Xception

1. 一个常规的卷积核尝试在三维空间中使用滤波器抽取特征，包括：两个空间维度（宽度和高度）、一个通道维度。因此单个卷积核的任务是：同时映射跨通道的相关性和空间相关性。

   Inception 将这个过程明确的分解为一系列独立的相关性的映射：要么考虑跨通道相关性，要么考虑空间相关性。Inception 的做法是：

   • 首先通过一组1x1 卷积来查看跨通道的相关性，将输入数据映射到比原始输入空间小的三个或者四个独立空间。
   • 然后通过常规的3x3 或者 5x5 卷积，将所有的相关性（包含了跨通道相关性和空间相关性）映射到这些较小的三维空间中。

   一个典型的Inception 模块（Inception V3 )如下：

   

   可以简化为：

   

2. Xception 将这一思想发挥到极致：首先使用1x1 卷积来映射跨通道相关性，然后分别映射每个输出通道的空间相关性，从而将跨通道相关性和空间相关性解耦。因此该网络被称作Xception:Extreme Inception ，其中的Inception 块被称作 Xception 块。

   

3. Xception 块类似于深度可分离卷积，但是它与深度可分离卷积之间有两个细微的差异：

   • 操作顺序不同：

     • 深度可分离卷积通常首先执行channel-wise 空间卷积，然后再执行1x1 卷积。
     • Xception 块首先执行1x1 卷积，然后再进行channel-wise 空间卷积。

   • 第一次卷积操作之后是否存在非线性：

     • 深度可分离卷积只有第二个卷积(1x1 )使用了ReLU 非线性激活函数，channel-wise 空间卷积不使用非线性激活函数。
     • Xception 块的两个卷积（1x1 和 3x3 ）都使用了ReLU 非线性激活函数。

   其中第二个差异更为重要。

4. 对Xception 进行以下的修改，都可以加快网络收敛速度，并获取更高的准确率：

   • 引入类似ResNet 的残差连接机制。
   • 在1x1 卷积和3x3 卷积之间不加入任何非线性。

5. Xception 的参数数量与Inception V3 相同，但是性能表现显著优于Inception V3 。这表明Xception 更加高效的利用了模型参数。

   • 根据论文Xception: Deep Learning with Depthwise Separable Convolutions，Inception V3 参数数量为 23626728，Xception 参数数量为 22855952 。

   • 在ImageNet 上的benchmark 为（单个模型，单次crop ）：

     模型	top-1 accuracy	top-5 accuracy
     VGG-16	71.5%	90.1%
     ResNet-152	77.0%	93.3%
     Inception V3	78.2%	94.1%
     Xception	79.0%	94.5%