【深度学习】Inception层详解

本文参考Torch的dpnn包中Inception层的源码，讲解该模块参数含义以及网络结构。

核心思想

Inception模块的起点是类似下图的结构：通道从M变换到N，把多个不同尺寸的卷积结果串接（concat）起来。



由于M,N往往很大，这种结构的模型大小和运算量都不小。

卷积运算，输入M层，输出N层，核尺寸k。输入数据大小H*W。

卷积参数数量：weight + bias = M*N*k*k+N

卷积运算量：H*W*N*M^2*K^4

Inception将后续三路中插入一个1*1卷积，让每一路构成能够节省参数的“瓶颈结构”。



在每一路瓶颈结构中，首先从M通道压缩到K通道，再由K通道扩展到N通道。K比M,N都小。

1*1卷积相当于在每个像素施加同一个fully connected层，所以又称为network in network。

整体结构

Inception的最外层结构是一个DepthConcat，把各路数据沿第2维（channel维度）串联起来。

根据参数设置，可能有N+1或者N+2个通路。



为设置简便，后文中所有提到的Transfer层和Pooling层都具有统一类型。例如都是ReLU或者都是MaxPooling；所有的BatchNorm层通过统一的开关添加或者取消。

前N个通路

前N个通路的核心是两个卷积层（绿），分别后续BatchNorm（青）和Transfer（红）。



第一个卷积层：减少channel数量，保持原尺寸。涉及参数reduceSize, reduceStride。

第二个卷积层：增加channel数量，同时缩小尺寸。涉及参数outputSize, kernelSize, kernelStride。padding如果设True，选择保持原始尺寸，否则padding为0。

这种先降维度后升维度的瓶颈型结构十分经典，能够利用深层次提高抽象能力，同时节约计算。可见于残差网络，Hourglass人体姿态分析。

第N+1个通路

这个通路的核心是一个Pooling层（灰），以及一个可选择的卷积层（绿），后接BatchNorm和Transfer。



Pooling层提取更大范围特征，缩小尺寸。涉及参数poolSize， poolStridue。

卷积层：和前N的个通路的第一个卷积层类似，减少维度，保持原尺寸。涉及参数reduceSize，reduceStridue。

第N+2个通路

这一通路本身是可选择的，核心是一个卷积层，后接BatchNorm和Transfer。



卷积层：和前N的个通路的第一个卷积层类似，减少维度，保持原尺寸。涉及参数reduceSize，reduceStridue。

组合

如果各个通路输出尺寸不同，将各结果中心对齐，补零之后串联。