文章《Rethinking the Inception Architecture for Computer Vision》
介绍
VGG与GoogLeNet相比更朴素，但计算量大。GoogLeNet中的Inception结构设计的目的是减少计算量和内存。GoogLeNet中只有5百万参数，是AlexNet的1/12，而VGG的参数是AlexNet的3倍。
如果增大Inception类型模型的容量，如果只是double滤波器组的数量，参数量和计算量将会增大4倍；在许多场景中，不允许这样设计。
下面讲解几个增大卷积网络的原则和优化方法。
通用设计原则
1.避免表示瓶颈，尤其是在网络的前面。前向传播网络可以看作一个有向无环图，从输入到输出。一般来说，representation size从输入到输出特征应该缓慢减小。理论上来说，不能仅仅通过维度得到信息，因为它已经丢弃了许多重要特征例如相关结构，维度只能代表信息的粗略估计。
2.高纬度特征在网络局部处理更加容易。在卷积神经网络中增加非线性可以解耦合特征，训练更快
3.空间聚合可以以低维度嵌入进行，这样不会影响representational power.例如，在进行大尺度卷积（3×3）时，在空间聚合前，先对输入进行降维，这样不会带来严重影响。我们猜测原因为：如果输出是为了空间聚合，那么临近单元的强相关性在降维过程中信息损失会很少。考虑到这些信号容易压缩，降维会加速学习过程
4.平衡宽度和深度。增加宽度或深度都会带来性能上的提升，两者同时增加带了并行提升，但是要考虑计算资源的合理分配。
分解大的卷积核
GoogLeNet性能优异很大程度在于使用了降维。降维可以看做卷积网络的因式分解。例如1×1卷积层后跟着3×3卷积层。在网络角度看，激活层的输出是高相关的；因此在聚合前进行降维，可以得到类似的局部表示性能。
这里考虑计算性能，我们探索其他形式的卷积因式分解。因为Inception结构是全卷积，每一个激活值对应的每一个权重，都对应一个乘法运算。因此减小计算量意味着减少参数。所以通过解耦和参数，可以加快训练。利用节省下来的计算和内存增加filter-bank大小，来提升网络性能。
分解为更小的卷积
大的卷积计算量更大，例如filter相同情况下，5×5卷积核比3×3卷积核计算量大25/9=2.78倍。5×5卷积核相比3×3卷积核有广阔“视野”，可以捕捉更多信息，单纯减小卷积核大小会造成信息损失。是否可以通过多层网络代替5×5卷积。把5×5网络看做全卷积，每个输出是卷积核在输入上滑动；可以通过2层3×3全卷积网络替换。如图所示。
原来的Inception结构：
使用2个3x3替换5x5后的Inception结构：
对于分解的卷积层，使用线性激活还是非线性激活，实验表明，非线性激活性能更好。
空间上分解为非对称卷积核
大于3×3的卷积层，都可以分解为连续的3×3的卷积层，那么是不是可以分解为更小的卷积核呢？实际上分解为非对称的更好，例如一个3×1卷积，后跟一个1×3卷积，相当于3×3卷积。如图：
两层结构计算量减少33%。而2×2卷积替代的话计算量仅仅减少11%
理论上，n×n卷积可以通过1×n->n×1卷积代替，随着n增大，能减少更多计算量。在实践中，前几层这样的分解效果并不好；但是在中等网络中，有着不错的性能（m×m的feature map m介于12到20之间）
使用辅助分类器
GoogLeNet引入了附加分类器，其目的是想把有效梯度传递回去，从而加快训练。我们发现辅助分类器扮演着regularizer的角色；因为当辅助分类器使用了batch-normalized或dropout时，主分类器效果会更好。
降低特征图大小
pooling层用来减小feature map大小，为了避免出现representation bottleneck,在使用pooling前常常增加feature map个数。例如k个d×d的feature map，pooling后为k个d/2×d/2.如果想要得到pooling后有2k个feature map，那么在pooling前面的卷积层卷积核个数应该有2k个。前者卷积计算量为2D^2k^2,而后者为2（d/2）^2k^2，是前者四分之一。这样在representation上会有瓶颈。可以使用另一种方法，降低更多计算量：使用2个模块P和C。P表示pooling，C表示卷积；它们stride都为2.如下图所示：
Inception-V2
我们提出Inception-V2模型。结构图下所示：
把7×7卷积替代为3个3×3卷积。包含3个inception部分。第一部分35×35×288，使用了2个3×3卷积代替传统的5×5；第二部分减小了feature map，增多filters,为17×17×768，使用了n×1->1×n结构；第三部分增多了filter，使用了卷积池化并行结构。网络有42层，但是计算量只有GoogLeNet的2.5倍。
通过平滑标签正则化模型
输入x，模型计算得到类别为k的概率
假设真实分布q(k)，交叉熵损失函数为
最小化交叉熵等价最大化似然函数。交叉熵函数对逻辑输出求导
训练方法
batch-size=32，epoch=100。SGD+momentum，momentum=0.9。使用RMSProp，decay=0.9，ϵ=0.1，效果达到最好。lr=0.045,每2个epoch，衰减0.94。梯度最大阈值=2.0.
低分辨率图像的识别
对于低分辨有图像，使用“高分辨率”receptive field。实践中：1、减小前2个卷积层的stride，2、去掉第一个pooling层。