GoogLeNet 是由 Google 团队在 2014 年提出的一种深度卷积神经网络，用于图像分类和目标检测。它是 Inception 系列网络 的第一个版本，并在 2014 年的 ImageNet 大规模视觉识别挑战赛（ILSVRC 2014）中以 Top-5 错误率 6.67% 获得了图像分类任务的冠军。
GoogLeNet 的主要特点是引入了 Inception 模块，通过在网络中并行组合多种不同尺度的卷积核，同时显著减少了参数量和计算成本。
1. GoogLeNet 的核心思想
1. Inception 模块：
GoogLeNet 的核心创新是 Inception 模块。它在一个模块中引入了多种尺寸的卷积核（如 1×1、3×3、5×5）以及一个最大池化操作。
Inception 模块的设计目标是捕获不同尺度的特征，同时避免深度和宽度的增加导致的计算复杂度爆炸。
使用 1×1 卷积来减少维度（参数量和计算量），然后进行 3×3 和 5×5 卷积。
2. 参数效率：
通过使用小卷积核（如 1×1 ）和分组卷积，显著减少了模型的参数数量。
GoogLeNet 的参数量只有约 500 万，而同期的 VGGNet 参数量接近 1.4 亿。
3. 网络深度：
GoogLeNet 的深度为 22 层（包括卷积层和全连接层），是当时最深的神经网络之一。
它通过模块化设计和参数优化，成功训练了更深的网络。
4. 辅助分类器：
GoogLeNet 在中间层添加了两个辅助分类器，用于缓解梯度消失问题，并提升训练过程中对中间特征的利用效率。
这些辅助分类器的损失会加入到总损失中，帮助优化深层网络。
2. GoogLeNet 的网络结构
GoogLeNet 的架构可以分为以下几个主要部分：
输入层：
输入图像大小为 224×224×3（彩色图像）。
卷积和池化层：
第一部分包含两个标准卷积层和一个最大池化层：
7×7 卷积层，步幅为 2。
最大池化（3×3，步幅为 2）。
1×1 卷积层用于降维，随后接一个 3×3 卷积层和最大池化层。
Inception 模块：
网络的核心部分是 9 个连续的 Inception 模块，按照不同通道数和卷积核大小进行配置。
每个 Inception 模块由 4 条并行路径组成：
1×1 卷积。
1×1 卷积后接 3×3 卷积。
1×1 卷积后接 5×5 卷积。
3×3 最大池化后接 1×1 卷积。
辅助分类器：
在中间层的两处位置引入了辅助分类器。
每个辅助分类器包含一个全局平均池化层和一个全连接层，输出 1000 个类别。
输出层：
最后一个全局平均池化层，将特征图的空间维度压缩为 1×1 ，再通过一个全连接层输出最终的类别概率。
3. GoogLeNet 的 Inception 模块
Inception 模块是 GoogLeNet 的核心，它通过并行路径捕获不同尺度的特征，同时降低了计算复杂度。
Inception 模块的结构：
1×1 卷积：
用于降维，减少通道数，降低计算量。
3×3 卷积：
提取中等尺度的局部特征。
5×5 卷积：
提取大尺度的局部特征。
最大池化（3×3）：
保留全局特征信息，并结合 1×1 卷积降维。
Inception 模块通过融合不同大小的卷积核和池化操作，增强了特征表达能力。
4. GoogLeNet 的 PyTorch 实现
以下是 GoogLeNet 的 PyTorch 实现代码，包括 Inception 模块和辅助分类器：
import torch
import torch.nn as nn
import torch.nn.functional as F
# 定义 Inception 模块
class Inception(nn.Module):
def __init__(self, in_channels, ch1x1, ch3x3red, ch3x3, ch5x5red, ch5x5, pool_proj):
super(Inception, self).__init__()
# 1x1 卷积
self.branch1 = nn.Conv2d(in_channels, ch1x1, kernel_size=1)
# 1x1 卷积 -> 3x3 卷积
self.branch2 = nn.Sequential(
nn.Conv2d(in_channels, ch3x3red, kernel_size=1),
nn.Conv2d(ch3x3red, ch3x3, kernel_size=3, padding=1)
)
# 1x1 卷积 -> 5x5 卷积
self.branch3 = nn.Sequential(
nn.Conv2d(in_channels, ch5x5red, kernel_size=1),
nn.Conv2d(ch5x5red, ch5x5, kernel_size=5, padding=2)
)
# 3x3 最大池化 -> 1x1 卷积
self.branch4 = nn.Sequential(
nn.MaxPool2d(kernel_size=3, stride=1, padding=1),
nn.Conv2d(in_channels, pool_proj, kernel_size=1)
)
def forward(self, x):
branch1 = self.branch1(x)
branch2 = self.branch2(x)
branch3 = self.branch3(x)
branch4 = self.branch4(x)
# 合并所有分支
return torch.cat([branch1, branch2, branch3, branch4], dim=1)
# 定义 GoogLeNet 主网络
class GoogLeNet(nn.Module):
def __init__(self, num_classes=1000):
super(GoogLeNet, self).__init__()
# 初始卷积层
self.conv1 = nn.Conv2d(3, 64, kernel_size=7, stride=2, padding=3)
self.maxpool1 = nn.MaxPool2d(kernel_size=3, stride=2, padding=1)
self.conv2 = nn.Conv2d(64, 192, kernel_size=3, stride=1, padding=1)
self.maxpool2 = nn.MaxPool2d(kernel_size=3, stride=2, padding=1)
# Inception 模块
self.inception3a = Inception(192, 64, 96, 128, 16, 32, 32)
self.inception3b = Inception(256, 128, 128, 192, 32, 96, 64)
self.maxpool3 = nn.MaxPool2d(kernel_size=3, stride=2, padding=1)
self.inception4a = Inception(480, 192, 96, 208, 16, 48, 64)
self.inception4b = Inception(512, 160, 112, 224, 24, 64, 64)
self.inception4c = Inception(512, 128, 128, 256, 24, 64, 64)
self.inception4d = Inception(512, 112, 144, 288, 32, 64, 64)
self.inception4e = Inception(528, 256, 160, 320, 32, 128, 128)
self.maxpool4 = nn.MaxPool2d(kernel_size=3, stride=2, padding=1)
self.inception5a = Inception(832, 256, 160, 320, 32, 128, 128)
self.inception5b = Inception(832, 384, 192, 384, 48, 128, 128)
# 全局平均池化层
self.avgpool = nn.AdaptiveAvgPool2d((1, 1))
self.fc = 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 = torch.flatten(x, 1)
x = self.fc(x)
return x
# 创建模型实例
model = GoogLeNet(num_classes=1000)
print(model)
5. GoogLeNet 的优点
高效的参数利用：
使用 1×1 卷积降维，显著减少了参数量和计算复杂度。
模块化设计：
Inception 模块的设计使得 GoogLeNet 能够灵活扩展和调整。
全局平均池化：
替代全连接层，减少了参数量，并提高了泛化能力。
优秀的性能：
在 ImageNet 上实现了较低的 Top-5 错误率，成为深度学习历史上的重要里程碑。
6. 总结
GoogLeNet 通过引入 Inception 模块 和 全局平均池化，在保持高分类精度的同时显著降低了参数量和计算复杂度。其模块化设计和高效的参数利用，为后续的深度网络（如 Inception V3、ResNet）提供了重要的设计思路，是深度学习领域的重要网络之一。
版权声明：本文为CSDN博主「彬彬侠」的原创文章，
遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/u013172930/article/details/145321419
