GoogleNet网络详解与keras实现

GoogleNet网络详解与keras实现
- - GoogleNet系列网络的概览
  - Pascal_VOC数据集
    - 第一层目录
    - 第二层目录
    - 第三层目录
  - InceptionV1模块介绍
  - Inception的架构
  - GoogleNet的图片
  - Keras代码实现
    - 为了搭建Inception网络我们使用了以下策略
    - 整个代码的流程如下
  - 实验结果
  - 实验结果分析
  - 本博客相关引用

本博客旨在给经典的GoogleNet网络进行详解与代码实现，如有不足或者其他的见解，请在本博客下面留言。

GoogleNet系列网络的概览

InceptionV1,通过把不同尺寸的卷积核如1x1,3x3,5x5进行堆叠增加了网络对不同尺度的适应性。并且通过在3x3的网络，5x5的网络后加入1x1使得网络的计算复杂度降低，而且提高网络的非线性的程度，基于更强的表征能力。
InceptionV2,加入了BatchNormalization层，减少了Internal Variance Shift。使得每一程的输出的分布都满足指定的高斯分布，可以防止训练集与测试集之间分布的不匹配，还能加快网络收敛速度，防止过拟合。
InceptionV3,在InceptionV3中google将分解的思想用到了极致，把二维卷积核(NxN)拆成两个方向上的一维卷积核(Nx1,1xN)。这样做不仅仅加快了网络的运算速度，而且由于增加网络的层数，使得网络的非线性增加，提高网络的表征能力。
InceptionV4,尝试着把Inception的结构与Resnet的结构进行结合，并设计了一个更深更加优秀的网络InceptionV4。

在本篇博客中，我们将实现一个类似于InceptionV2的结构，并用VOC2012的数据集进行网络的训练，验证，与测试。为了快速开发，本次我们把Keras作为代码的框架。

Pascal_VOC数据集

Pascal VOC为图像识别，检测与分割提供了一整套标准化的优秀的数据集，每一年都会举办一次图像识别竞赛。下面是VOC2012，训练集(包括验证集)的下载地址。

VOC2012里面有20类物体的图片，图片总共有1.7万张。我把数据集分成了3个部分，训练集，验证集，测试集，比例为8:1:1。

下面是部分截图：

第一层目录

GoogleNet网络详解与keras实现GoogleNet网络详解与keras实现

第二层目录

GoogleNet网络详解与keras实现GoogleNet网络详解与keras实现

第三层目录

GoogleNet网络详解与keras实现GoogleNet网络详解与keras实现

接着我们使用keras代码来使用这个数据集，代码如下：

IM_WIDTH= #图片宽度
IM_HEIGHT= #图片高度
batch_size= #批的大小

#train data
train_datagen = ImageDataGenerator(
    rotation_range=, 
    width_shift_range=,
    height_shift_range=,
    shear_range=,
    zoom_range=,
    horizontal_flip=True,
    featurewise_center=True
)

train_generator = train_datagen.flow_from_directory(
  train_root,
  target_size=(IM_WIDTH, IM_HEIGHT),
  batch_size=batch_size,
)

#vaild data
vaild_datagen = ImageDataGenerator(
    rotation_range=,
    width_shift_range=,
    height_shift_range=,
    shear_range=,
    zoom_range=,
    horizontal_flip=True,
    featurewise_center=True
)
vaild_generator = train_datagen.flow_from_directory(
  vaildation_root,
  target_size=(IM_WIDTH, IM_HEIGHT),
  batch_size=batch_size,
)

#test data
test_datagen = ImageDataGenerator(
    rotation_range=,
    width_shift_range=,
    height_shift_range=,
    shear_range=,
    zoom_range=,
    horizontal_flip=True,
    featurewise_center=True
)
test_generator = train_datagen.flow_from_directory(
  test_root,
  target_size=(IM_WIDTH, IM_HEIGHT),
  batch_size=batch_size,
)

我使用了3个ImageDataGenerator，分别来使用训练集，验证集与测试集的数据。使用ImageDataGenerator需要导入相应的模块，==from keras.preprocessing.image import ImageDataGenerator==。ImageDataGenrator可以用来做数据增强，提高模型的鲁棒性.它里面提供了许多变换，包括图片旋转，对称，平移等等操作。里面的flow_from_directory方法可以从相应的目录里面批量获取图片，这样就可以不用一次性读取所有图片(防止内存不足)。

InceptionV1模块介绍

要想理解Googlenet的结构，第一步必须先知道Inception的结构，因为它是由多个Inception的结构组合而成的。如下图Fig.2所示，(a)表示朴素的版本的inception v1示意图，(b)表示降维版本的Inception v1示意图。

GoogleNet网络详解与keras实现GoogleNet网络详解与keras实现

Inception的主要思想基于——一个卷积网络里面的局部稀疏最优结构往往可以由简单可复用的密集组合来近似或者替代。就像(a)里面，1x1,3x3,5x5的卷积层,与3x3的池化层的组合一个inception。这样做的几点说明：

不同尺寸的卷积核可以提取不同尺度的信息。
采用1x1,3x3,5x5可以方便对齐，padding分别为0,1,2就可以对齐。
由于池化层在CNN网络里面的成功运用，也把池化层当做组合的一部分。
由于Googlenet是好几个Inception模块的堆叠，而且往往越后面的Inception模块提取的是更加高级抽象的特征，而由于高级抽象的特征的时域联系会降低。(在这里加上一点个人理解，当提取的特征比较简单，比如边缘，轮廓的时候，往往只需要提取某个像素附近的几个像素就行了，这时卷积核比较小，没有问题。但是当提取的特征变得复杂的时候，比如提取的是人的鼻子，耳朵的时候，需要的可能就是某个像素旁边几十或者几百个像素了。当然我说的这些像素指的是特征图里面的像素。)因此为了获取这些高级信息，我们在后面的Inception模块里面需要增大3x3,5x5这些大卷积核的比例。

但是这么做，问题又来了，如果提高大卷积核的比例，那么这会意味着计算复杂度的飙升。为此，google的工程师们又提出(b)的这个Inception结构。

Inception的架构

下面的Table.1给出了Googlenet是怎么由Inception模块和一些传统的卷积层与池化层构成的。比较Inception(3a)和Inception(5b)，我们可以看到大卷积核的滤波器的个数的比例已经提高了。最后需要注意两点，该网络的使用了avg pool来替代第一层全连接层，大大降低了参数的个数。后面在avg pool后面加入全连接层则是为了方便微调的操作。

GoogleNet网络详解与keras实现GoogleNet网络详解与keras实现

GoogleNet的图片

根据上面的表格我们可以画出这样的一幅图。

GoogleNet网络详解与keras实现GoogleNet网络详解与keras实现

Keras代码实现

#-*- coding: UTF-8 -*-

from keras.layers import Conv2D, MaxPooling2D, AveragePooling2D, ZeroPadding2D
from keras.layers import Flatten, Dense, Dropout,BatchNormalization
from keras.layers import Input, concatenate
from keras.models import Model,load_model
from keras.preprocessing.image import ImageDataGenerator
from keras.utils import plot_model,np_utils
from keras import regularizers
import keras.metrics as metric
import os

# Global Constants
NB_CLASS=
LEARNING_RATE=
MOMENTUM=
ALPHA=
BETA=
GAMMA=
DROPOUT=
WEIGHT_DECAY=
LRN2D_NORM=True
DATA_FORMAT='channels_last' # Theano:'channels_first' Tensorflow:'channels_last'
USE_BN=True
IM_WIDTH=
IM_HEIGHT=
EPOCH=

train_root='/home/faith/keras/dataset/traindata/'
vaildation_root='/home/faith/keras/dataset/vaildationdata/'
test_root='/home/faith/keras/dataset/testdata/'

IM_WIDTH=
IM_HEIGHT=
batch_size=

#train data
train_datagen = ImageDataGenerator(
    rotation_range=,
    width_shift_range=,
    height_shift_range=,
    shear_range=,
    zoom_range=,
    horizontal_flip=True,
    featurewise_center=True
)
train_generator = train_datagen.flow_from_directory(
  train_root,
  target_size=(IM_WIDTH, IM_HEIGHT),
  batch_size=batch_size,
)

#vaild data
vaild_datagen = ImageDataGenerator(
    rotation_range=,
    width_shift_range=,
    height_shift_range=,
    shear_range=,
    zoom_range=,
    horizontal_flip=True,
    featurewise_center=True
)
vaild_generator = train_datagen.flow_from_directory(
  vaildation_root,
  target_size=(IM_WIDTH, IM_HEIGHT),
  batch_size=batch_size,
)

#test data
test_datagen = ImageDataGenerator(
    rotation_range=,
    width_shift_range=,
    height_shift_range=,
    shear_range=,
    zoom_range=,
    horizontal_flip=True,
    featurewise_center=True
)
test_generator = train_datagen.flow_from_directory(
  test_root,
  target_size=(IM_WIDTH, IM_HEIGHT),
  batch_size=batch_size,
)

#normalization
def conv2D_lrn2d(x,filters,kernel_size,strides=(,),padding='same',data_format=DATA_FORMAT,dilation_rate=(,),activation='relu',use_bias=True,kernel_initializer='glorot_uniform',bias_initializer='zeros',kernel_regularizer=None,bias_regularizer=None,activity_regularizer=None,kernel_constraint=None,bias_constraint=None,lrn2d_norm=LRN2D_NORM,weight_decay=WEIGHT_DECAY):
    #l2 normalization
    if weight_decay:
        kernel_regularizer=regularizers.l2(weight_decay)
        bias_regularizer=regularizers.l2(weight_decay)
    else:
        kernel_regularizer=None
        bias_regularizer=None

    x=Conv2D(filters=filters,kernel_size=kernel_size,strides=strides,padding=padding,data_format=data_format,dilation_rate=dilation_rate,activation=activation,use_bias=use_bias,kernel_initializer=kernel_initializer,bias_initializer=bias_initializer,kernel_regularizer=kernel_regularizer,bias_regularizer=bias_regularizer,activity_regularizer=activity_regularizer,kernel_constraint=kernel_constraint,bias_constraint=bias_constraint)(x)

    if lrn2d_norm:
        #batch normalization
        x=BatchNormalization()(x)

    return x



def inception_module(x,params,concat_axis,padding='same',data_format=DATA_FORMAT,dilation_rate=(,),activation='relu',use_bias=True,kernel_initializer='glorot_uniform',bias_initializer='zeros',kernel_regularizer=None,bias_regularizer=None,activity_regularizer=None,kernel_constraint=None,bias_constraint=None,lrn2d_norm=LRN2D_NORM,weight_decay=None):
    (branch1,branch2,branch3,branch4)=params
    if weight_decay:
        kernel_regularizer=regularizers.l2(weight_decay)
        bias_regularizer=regularizers.l2(weight_decay)
    else:
        kernel_regularizer=None
        bias_regularizer=None
    #1x1
    pathway1=Conv2D(filters=branch1[],kernel_size=(,),strides=,padding=padding,data_format=data_format,dilation_rate=dilation_rate,activation=activation,use_bias=use_bias,kernel_initializer=kernel_initializer,bias_initializer=bias_initializer,kernel_regularizer=kernel_regularizer,bias_regularizer=bias_regularizer,activity_regularizer=activity_regularizer,kernel_constraint=kernel_constraint,bias_constraint=bias_constraint)(x)

    #1x1->3x3
    pathway2=Conv2D(filters=branch2[],kernel_size=(,),strides=,padding=padding,data_format=data_format,dilation_rate=dilation_rate,activation=activation,use_bias=use_bias,kernel_initializer=kernel_initializer,bias_initializer=bias_initializer,kernel_regularizer=kernel_regularizer,bias_regularizer=bias_regularizer,activity_regularizer=activity_regularizer,kernel_constraint=kernel_constraint,bias_constraint=bias_constraint)(x)
    pathway2=Conv2D(filters=branch2[],kernel_size=(,),strides=,padding=padding,data_format=data_format,dilation_rate=dilation_rate,activation=activation,use_bias=use_bias,kernel_initializer=kernel_initializer,bias_initializer=bias_initializer,kernel_regularizer=kernel_regularizer,bias_regularizer=bias_regularizer,activity_regularizer=activity_regularizer,kernel_constraint=kernel_constraint,bias_constraint=bias_constraint)(pathway2)

    #1x1->5x5
    pathway3=Conv2D(filters=branch3[],kernel_size=(,),strides=,padding=padding,data_format=data_format,dilation_rate=dilation_rate,activation=activation,use_bias=use_bias,kernel_initializer=kernel_initializer,bias_initializer=bias_initializer,kernel_regularizer=kernel_regularizer,bias_regularizer=bias_regularizer,activity_regularizer=activity_regularizer,kernel_constraint=kernel_constraint,bias_constraint=bias_constraint)(x)
    pathway3=Conv2D(filters=branch3[],kernel_size=(,),strides=,padding=padding,data_format=data_format,dilation_rate=dilation_rate,activation=activation,use_bias=use_bias,kernel_initializer=kernel_initializer,bias_initializer=bias_initializer,kernel_regularizer=kernel_regularizer,bias_regularizer=bias_regularizer,activity_regularizer=activity_regularizer,kernel_constraint=kernel_constraint,bias_constraint=bias_constraint)(pathway3)

    #3x3->1x1
    pathway4=MaxPooling2D(pool_size=(,),strides=,padding=padding,data_format=DATA_FORMAT)(x)
    pathway4=Conv2D(filters=branch4[],kernel_size=(,),strides=,padding=padding,data_format=data_format,dilation_rate=dilation_rate,activation=activation,use_bias=use_bias,kernel_initializer=kernel_initializer,bias_initializer=bias_initializer,kernel_regularizer=kernel_regularizer,bias_regularizer=bias_regularizer,activity_regularizer=activity_regularizer,kernel_constraint=kernel_constraint,bias_constraint=bias_constraint)(pathway4)

    return concatenate([pathway1,pathway2,pathway3,pathway4],axis=concat_axis)



def create_model():
    #Data format:tensorflow,channels_last;theano,channels_last
    if DATA_FORMAT=='channels_first':
        INP_SHAPE=(,,)
        img_input=Input(shape=INP_SHAPE)
        CONCAT_AXIS=
    elif DATA_FORMAT=='channels_last':
        INP_SHAPE=(,,)
        img_input=Input(shape=INP_SHAPE)
        CONCAT_AXIS=
    else:
        raise Exception('Invalid Dim Ordering')

    x=conv2D_lrn2d(img_input,,(,),,padding='same',lrn2d_norm=False)
    x=MaxPooling2D(pool_size=(,),strides=,padding='same',data_format=DATA_FORMAT)(x)
    x=BatchNormalization()(x)

    x=conv2D_lrn2d(x,,(,),,padding='same',lrn2d_norm=False)

    x=conv2D_lrn2d(x,,(,),,padding='same',lrn2d_norm=True)
    x=MaxPooling2D(pool_size=(,),strides=,padding='same',data_format=DATA_FORMAT)(x)

    x=inception_module(x,params=[(,),(,),(,),(,)],concat_axis=CONCAT_AXIS) #3a
    x=inception_module(x,params=[(,),(,),(,),(,)],concat_axis=CONCAT_AXIS) #3b
    x=MaxPooling2D(pool_size=(,),strides=,padding='same',data_format=DATA_FORMAT)(x)

    x=inception_module(x,params=[(,),(,),(,),(,)],concat_axis=CONCAT_AXIS) #4a
    x=inception_module(x,params=[(,),(,),(,),(,)],concat_axis=CONCAT_AXIS) #4b
    x=inception_module(x,params=[(,),(,),(,),(,)],concat_axis=CONCAT_AXIS) #4c
    x=inception_module(x,params=[(,),(,),(,),(,)],concat_axis=CONCAT_AXIS) #4d
    x=inception_module(x,params=[(,),(,),(,),(,)],concat_axis=CONCAT_AXIS) #4e
    x=MaxPooling2D(pool_size=(,),strides=,padding='same',data_format=DATA_FORMAT)(x)

    x=inception_module(x,params=[(,),(,),(,),(,)],concat_axis=CONCAT_AXIS) #5a
    x=inception_module(x,params=[(,),(,),(,),(,)],concat_axis=CONCAT_AXIS) #5b
    x=AveragePooling2D(pool_size=(,),strides=,padding='valid',data_format=DATA_FORMAT)(x)

    x=Flatten()(x)
    x=Dropout(DROPOUT)(x)
    x=Dense(output_dim=NB_CLASS,activation='linear')(x)
    x=Dense(output_dim=NB_CLASS,activation='softmax')(x)

    return x,img_input,CONCAT_AXIS,INP_SHAPE,DATA_FORMAT


def check_print():
    # Create the Model
    x,img_input,CONCAT_AXIS,INP_SHAPE,DATA_FORMAT=create_model()

    # Create a Keras Model
    model=Model(input=img_input,output=[x])
    model.summary()

    # Save a PNG of the Model Build
    plot_model(model,to_file='GoogLeNet.png')

    model.compile(optimizer='adam',loss='categorical_crossentropy',metrics=['acc',metric.top_k_categorical_accuracy])
    print 'Model Compiled'
    return model

if __name__=='__main__':
    if os.path.exists('inception_1.h5'):
        model=load_model('inception_1.h5')
    else:
        model=check_print()

    model.fit_generator(train_generator,validation_data=vaild_generator,epochs=EPOCH,steps_per_epoch=train_generator.n/batch_size
                        ,validation_steps=vaild_generator.n/batch_size)
    model.save('inception_1.h5')
    model.metrics=['acc',metric.top_k_categorical_accuracy]
    loss,acc,top_acc=model.evaluate_generator(test_generator,steps=test_generator.n/batch_size)
    print 'Test result:loss:%f,acc:%f,top_acc:%f'%(loss,acc,top_acc)

为了搭建Inception网络，我们使用了以下策略：

使用了inception_module这个函数构造每个inception模块，里面有4路，分别对应着1x1，(1x1,3x3),(1x1,5x5),(3x3,1x1) 这四路。
使用了3个正则化的手段，分别是L2正则化,BatchNormalization,dropout，来防止模型过拟合。
create_model这个函数里面的网络搭建可以参考Tabel.1，可以边看表里面的具体参数边搭网络。

整个代码的流程如下：

导入相应库
模型参数设置以及其它配置
生成训练集,测试集,验证集的三个迭代器
Inception module函数的编写
create model函数编写,仿照Table.1
模型编译,画出模型的图
模型训练与验证
模型保存
模型在测试集上测试

实验结果

dataset	loss	acc	top5-acc
Training set	1.85	39.9%	85.3%
Vaildation set	2.01	36.6%	82.0%
Testing set	2.08	35.7%	78.1%

实验结果分析

我们可以发现模型最后在测试集上的效果与训练集上的效果有一定程度上的差距，模型出现了一点过拟合。以下是个人对此问题的一些分析：由于采用了L2正则化，BatchNormalization,Dropout等等方法，但是还是出现了过拟合，可能是由于VOC数据比较少，20类物体才1.7万张，相当于每个物体850张左右，要想取得比较好的效果，每个类别物体的图片至少得几千张。所以可以通过降低网络层数，增加数据量，增加训练次数等手段来提高网络的性能。

本博客相关引用

以下是本博客的引用，再次本人对每个引用的作者表示感谢。读者如果对googlenet这个网络仍然存在一些疑虑，或者想要有更深的理解，可以参考以下的引用。

引用博客1

引用博客2

引用博客3

引用文献1:InceptionV1

引用文献2:InceptionV2

引用文献3:InceptionV3

引用文献4:InceptionV4!

GoogleNet网络详解与keras实现GoogleNet网络详解与keras实现

GoogleNet网络详解与keras实现

GoogleNet系列网络的概览

Pascal_VOC数据集

第一层目录

第二层目录

第三层目录

InceptionV1模块介绍

Inception的架构

GoogleNet的图片

Keras代码实现

为了搭建Inception网络，我们使用了以下策略：

整个代码的流程如下：

实验结果

实验结果分析

本博客相关引用

继续阅读

matlab将视频转存成图片

基于BP神经网络的数字识别基础系统（三）基于BP神经网络的数字识别基础系统（三）

MATLAB神经网络手写数字识别（GUI界面）

SoftMax与交叉熵损失

基于深度学习的车牌+车辆识别（YOLOv5和CNN）源码加文末QQ基于深度学习的车牌识别(YOLOv5和CNN）目录

融合RNN和CNN的文本分类模型

达摩院视觉AI训练营-搭建身份证识别系统-学习笔记

CNN文本分类原理讲解与实战

Pytorch学习笔记（8）———构建CNN网络(下)

基于keras的多GPU深度学习网络模型及参数保存-笔记

ICLR2017 paper: FASTER CNNS WITH DIRECT SPARSE CONVOLUTIONS AND GUIDED PRUNING 笔记

Matlab中将二维灰度图像三维显示

Linux环境下 TensorFlow的安装和使用基于Anaconda的tensorflow安装

keras模型可视化pydot-ng 和 graphviz安装问题(ubuntu)

深度学习之卷积神经网络(CNN) — 理论与代码结合

深度学习之卷积神经网络CNN及tensorflow代码实现示例详细介绍(转载) 深度学习之卷积神经网络CNN及tensorflow代码实现示例详细介绍