用于图像分类的 GoogLeNet

Going Deeper with Convolutions (CVPR'15) 的 TensorFlow 实现。

该存储库包含使用预训练模型进行自然图像分类的示例，以及在 CIFAR-10 数据集上从头开始训练 Inception 网络的示例（测试集的准确率为 93.64%）。 CIFAR-10 上的预训练模型可以从此处下载。
论文中的 GoogLeNet 架构：

要求

Python 3.3+
TensorFlow 1.9+
麻木
西皮

实施细节

GoogLeNet 模型在src/nets/googlenet.py中定义。
Inception 模块定义在src/models/inception_module.py中。
使用预训练模型进行图像分类的示例位于examples/inception_pretrained.py中。
在 CIFAR-10 上从头开始训练网络的示例位于examples/inception_cifar.py中。

用于测试预训练模型

在输入模型之前，图像会被重新缩放，以使最小边等于 224。这与原始论文不同，原始论文是 7 个相似模型的集合，每个图像使用 144 224x224 裁剪进行测试。所以性能不会不如原论文。

用于在 CIFAR-10 上从头开始训练

所有 LRN 层都从卷积层中删除。
Batch Normalization 和 ReLU 激活用于所有卷积层，包括 Inception 结构中除输出层之外的层。
正如论文中提到的，使用了两个辅助分类器，尽管在两个全连接层中使用了 512 个而不是 1024 个隐藏单元以减少计算量。然而，我发现使用和不使用辅助分类器的 CIFAR-10 上的结果几乎相同。
由于 32 x 32 图像在输入inception_5a之前被下采样到 1 x 1，这使得初始层的多尺度结构不太有用并损害性能（大约80% 的准确度）。为了充分利用多尺度结构，第一个卷积层的步幅减小到1，并删除前两个最大池化层。在输入inception_3a之前，特征图（32 x 32 x 通道）的大小几乎与论文中表 1（28 x 28 x 通道）中描述的大小相同。我也尝试过仅减少步幅或仅删除一个最大池层。但我发现当前设置在测试集上提供了最佳性能。
在训练期间，将保持概率 0.4 的 dropout 应用于两个完全连接的层，并使用 5e-4 的权重衰减。
该网络通过 Adam 优化器进行训练。批量大小为 128。初始学习率为 1e-3，30 个 epoch 后衰减到 1e-4，最后 50 个 epoch 后衰减到 1e-5。
输入图像的每个颜色通道减去根据训练集计算的平均值。

用法

ImageNet 分类

准备

在此处下载预先训练的参数。这是来自这里的原创。
在examples/inception_pretrained.py中设置路径： PRETRINED_PATH是预训练模型的路径。 DATA_PATH是放置测试图像的路径。

跑步

转到examples/并将测试图像放入文件夹DATA_PATH中，然后运行脚本：

 python inception_pretrained.py --im_name PART_OF_IMAGE_NAME

--im_name是您要测试的图像名称的选项。如果测试图像都是png文件，则可以是png 。默认设置为.jpg 。
输出将是前 5 个类标签和概率。

在 CIFAR-10 上训练网络

准备

从此处下载 CIFAR-10 数据集
在examples/inception_cifar.py中设置路径： DATA_PATH是放置CIFAR-10的路径。 SAVE_PATH是保存或加载摘要文件和训练模型的路径。

训练模型

转到examples/并运行脚本：

 python inception_cifar.py --train 
  --lr LEARNING_RATE 
  --bsize BATCH_SIZE 
  --keep_prob KEEP_PROB_OF_DROPOUT 
  --maxepoch MAX_TRAINING_EPOCH

摘要和模型将保存在SAVE_PATH中。可以从此处下载 CIFAR-10 上的一个预训练模型。

评估模型

转到examples/并将预训练模型放入SAVE_PATH中。然后运行脚本：

 python inception_cifar.py --eval 
  --load PRE_TRAINED_MODEL_ID

预训练的 ID 是保存模型文件名中显示的纪元 ID。默认值为99 ，表示我上传的。
输出将是训练和测试集的准确性。

结果

使用预训练模型进行图像分类

显示前五个预测。显示的概率保留两位小数。请注意，预训练模型是在 ImageNet 上训练的。
可以在此处找到相同图像的 VGG19 结果。两个实验的图像预处理是相同的。

数据来源	图像	结果
可可		1：概率：1.00，标签：棕熊、棕熊、Ursus arctos 2：概率：0.00，标签：冰熊、北极熊 3：概率：0.00，标签：鬣狗，鬣狗 4：概率：0.00，标签：chow，chow chow 5：概率：0.00，标签：美洲黑熊，黑熊
可可		1：概率：0.79，标签：街道标志 2：概率：0.06，标签：红绿灯、交通信号灯、红绿灯 3：概率：0.03，标签：停车计时器 4：概率：0.02，标签：邮箱、信箱 5：概率：0.01，标签：气球
可可		1：概率：0.94，标签：无轨电车、无轨电车 2：概率：0.05，标签：客车、客车、马车 3：概率：0.00，标签：消防车、消防车 4：概率：0.00，标签：有轨电车、有轨电车、有轨电车、无轨电车 5：概率：0.00，标签：小巴
可可		1：概率：0.35，标签：墨西哥卷饼 2：概率：0.17，标签：potpie 3：概率：0.14，标签：土豆泥 4：概率：0.10，标签：盘子 5：概率：0.03，标签：披萨，披萨饼
图像网		1：概率：1.00，标签：金鱼、鲫鱼 2：概率：0.00，标签：岩美人、三色海棠 3：概率：0.00，标签：河豚、河豚、河豚、河豚 4: 概率: 0.00, 标签: tench, Tincatinca 5：概率：0.00，标签：海葵鱼
自取收藏		1：概率：0.32，标签：埃及猫 2：概率：0.30，标签：虎斑猫、虎斑猫 3：概率：0.05，标签：虎猫 4：概率：0.02，标签：鼠标，电脑鼠标 5：概率：0.02，标签：纸巾
自取收藏		1：概率：1.00，标签：有轨电车、有轨电车、有轨电车、电车、无轨电车 2：概率：0.00，标签：客车、客车、马车 3：概率：0.00，标签：无轨电车、无轨电车、无轨电车 4：概率：0.00，标签：电力机车 5：概率：0.00，标签：货车