Inception V1架构详情和卷积池化概念_基于inception-v1 和空洞卷积的多尺度特征池化层

Inception V1架构卷积核池化参数（重要）

注：下表中的“#3x3 reduce”，“#5x5 reduce”表示在3x3，5x5卷积操作之前使用了1x1卷积的数量。

0、输入

  原始输入图像为224x224x3，且都进行了零均值化的预处理操作（图像每个像素减去均值）。
  深度是22层

1、conv1 深度1

  输入：224x224x3，目标输出：112x112x64

  使用7x7的卷积核（滑动步长2，padding为3，SAME），64通道，输出为112x112x64，卷积后进行ReLU操作，

  经过最大值池化：使用3x3的卷积核（滑动步长2，padding为1，SAME），输出为((112 - 3+1)/2)+1=56，即56x56x64，再进行ReLU操作。

1.1 卷积核大小选取(以前称为滤波器filter)

  大部分卷积神经网络都会采用逐层递增（1⇒ 3 ⇒ 5 ⇒ 7）的方式。每经过一次池化层，卷积层过滤器的深度都会乘以 2；
注：卷积核具有的一个属性就是局部性。局部的程度取决于卷积核的大小。
  一个卷积核在与 Input 不同区域做卷积时，它的参数是固定不变的。放在 DNN 的框架中理解，就是对同一层 Layer 中的神经元而言，它们的 和 是相同的，只是所连接的节点在改变。因此在 CNN 里，这叫做 共享权值偏置。卷积核的权值不需要提前设计，而是跟 DNN 一样利用 GD 来优化，我们只需要初始化。
权值共享：减轻过拟合 & 降低计算量
  一个卷积层（Wx+b ⇒ ReLU ⇒ maxpooling）可以有多个不同的卷积核，而每一个卷积核都对应一个滤波后映射出的新图像，同一个新图像中的每一个像素都来自完全相同的卷积核，这就是卷积核的权值共享。权值共享的目的减轻过拟合 & 降低计算量。

1.2 1x1卷积核意义

  1×1卷积核只有一个参数，这个核在输入上滑动，就相当于给输入数据乘以一个系数。（对于单通道和单个卷积核而言这样理解是可以的），看起来好像并没有什么意义，那它为什么还作用这么广泛了？可以从如下几个方向理解：

• 实现跨通道的交互和信息整合。比如输入是多通道的，由卷积神经网络计算方式可知，对于单一卷积核函数：当前位置的输出值，是由多个通道上的卷积结果相加然后再取激活函数值得到的。所以卷积核函数的尺寸是1*1的话，他可以整合多个通道的信息，而不会改变输入的大小。
• 卷积网络通道数目的升降，由于输出的通道数目是由卷积核函数的数目决定的，所以使用1*1的卷积核，在不改变输入大小的情况下，可以任意增减输出的通道数目。

1.3 池化层的理解

  pooling池化的作用则体现在降采样：保留显著特征、降低特征维度，增大kernel的感受野。max_pool(value, ksize, strides, padding, name=None), ksize一般是[1, height, width, 1]，因为我们不想在batch和channels上做池化，所以这两个维度设为了1。池化输出特征图计算和卷积计算公式相同，区别是池化是求卷积区域中的max，不涉及卷积计算。
  池化层可对提取到的特征信息进行降维，一方面使特征图变小，简化网络计算复杂度并在一定程度上避免过拟合的出现；一方面进行特征压缩，提取主要特征。

注：padding

• 卷积层加入Padding，可以使得卷积层的输入维度和输出维度一致。
• 池化层加入Padding，一般都是保持边界信息。如果没有加padding的话，输入图片最边缘的像素点信息只会被卷积核操作一次，但是图像中间的像素点会被扫描到很多遍，那么就会在一定程度上降低边界信息的参考程度，但是在加入padding之后，在实际处理过程中就会从新的边界进行操作，就从一定程度上解决了这个问题。。
    SAME：是填充，填充大小， p = (f-1)/2（f为卷积核大小，维度f通常是奇数）；向上取整
    VALID：是不填充，直接计算输出,即令p=0，向上取整。

举例：池化输出特征图计算和卷积计算公式相同，区别是池化是求卷积区域中的max，不涉及卷积计算。

（1）pooling（kernel size 2×2，padding 0，stride 2）
  32*32*16->pooling之后（32-2+0）/2 + 1 =16*16
  pool3 = tf.nn.max_pool(layer3,[1,2,2,1],[1,2,2,1],padding=‘SAME’)
  padding = p = (f-1)/2=(2-1)/2=0

（2）pooling（kernel size 3×3，padding 0，stride 1）

  32*32*16 → pooling之后（32-3+0）/1 + 1 = 30*30
  pool3 = tf.nn.max_pool(layer3,[1,3,3,1],[1,1,1,1])

1.4 输出矩阵计算

  综合考虑步长、padding后，计算两个矩阵卷积后的输出矩阵的维度大小的公式如下：

• 输入：n x n
• 卷积核： f x f
• padding： p
• 步长strides： s

输出：$$[[(n+2p-f)/s]+1]\times [[(n+2p-f)/s]+1]$$

对于VALID向上取整
$$[(n-f+1）)/s]$$

对于SAME向上取整
$$[n/s]$$
对于卷积神经网络来说，每个卷积层(l层)的维度变化如下:

import  tensorflow as tf
import numpy as np
input = tf.Variable(tf.random_normal([64, 5, 5, 3]))
filter =
1
2
3