论文链接：https://arxiv.org/pdf/1602.07261.pdf
https://arxiv.org/pdf/1602.07261v1.pdf
摘要
近些年，超深度卷积网络成为图像识别领域的核心算法。其中，Inception结构在图像分类中表现优秀，并且计算代价很低。最近，残差与更加传统的结构相结合，在ILSVRC挑战中获得Start-of-art的结果（与Inception-v3）的分类精度差不多。那么，是不是结合残差连接与Inception结构能够产生更好的结果。因此，我们给出了充足的实验证据，残差连接使得Inception网络训练速度得到巨大的提升。论文给出了几种新的主流网络结构（residual and non-residual Inception networks）。我们进一步阐明，在保证宽Residual Inception网络的稳定性训练前提下，如何合理的增大每一层的激活值。三个Residual+1个Inception-v4获得3.08%的top-5误差。
1、Introduction
2012年ImageNet的冠军获得者-Krizhevsky，他们提出的网络 “AlexNet” 被成功的应用于各个视觉领域，比如目标检测，分割，人体姿态估计，视频分类，目标跟踪以及超分辨率。
本文中，我们研究如何结合最近的两种卷积网络思想：残差连接[5]（residual connections）和Inception-v3[15]。ResNet的作者认为残差连接是训练超深度卷积网络必不可少的条件。由于Inception网络非常深，很自然的，我们让Inception与residual结合。不仅能够获得residual思想的好处，也能保证Inception的计算效率。
除了直接将Residual融合，我们也研究：当Inception变得更深、更宽的情况下，是不是能够保证其效率。出于这个目的，我们设计新版本的结构-Inception-v4，它具有更加统一、简化的结构，以及更多的Inception模块（相比于Inception-v3）。Inception-v3继承了早期网络设计的诸多优点，主要的限制是如何进行分布式训练。但是，当TensorFlow出现后，那些不足不再存在。简化机构间（Section3）。
本文中，我们比较了两种Inception网络，Inception-v3和Inception-v4，它们的计算复杂度与Inception-ResNet类似。这些模型的设计的基本假设：相比于non-residual的模型，其参数和复杂度不能增加。事实上，我们测试过更大、更宽的Inception-ResNet变体，在ImageNet上的表现差不多。
本文集合了多个优秀模型，得到最优的结果。实验表明，Inception-v4和Inception-ResNet-v2表现差不多。我们着重研究：怎样结合二者的设计思想，进而得到更加优秀的模型。本文最后的部分，我们研究了一些分类失败，总结出模型的集合并没有处理好标注噪声，因此模型仍有提升的空间。
2、Related Work
自从AlexNet提出之后，卷积网络在图像识别领域越来越流行。之后一些重要的里程碑模型，比如VGG，Network-in-network，GoogLeNet。
He et al 提出了残差连接思想，并给出了强有力的理论依据以及实验（在图像识别，特别是目标检测，残差连接具有更强的信息融合能力）。作者认为，残差连接是训练超深神经网络的必要条件。但是，我们的研究并不是特别支持这个观点（至少在图像识别领域）。或许，我们需要更多的深度网络训练实验，才能更好地理解残差连接真正的优势。实验表明，没有残差连接的神经网络，训练并不是那么难。但是，残差连接可以很大程度上提升训练速度，这一点是毋庸置疑的。
在[14]中引入了最开始的深度卷积架构，在我们的介绍中称为googlenet或incepo -v1。后来，初始架构以不同的方式进行了改进，首先是通过引入批处理标准化[6](incep -v2)，这是由Ioffe等人完成的。后来，在第三次迭代[15]中，通过附加的因子分解思想对架构进行了改进，在本报告中将其称为incep -v3。
3、Architectural Choices
3.1、Pure Inception blocks
出于模型占用内存的考虑，早期的Inception模型采用分段训练的模式。然而，初始架构是高度可调的，这意味着不同层中的过滤器数量有很多可能的变化，而这些变化不会影响完全训练过的网络的质量。为了优化训练速度，以及平衡不同子网络之间的计算效率，我们很小心的微调层的大小。作为对比，当引入TensorFlow后，不需要分割模型进行训练。同时，也优化了内存的使用：这在一定程度上是由于最近对反向传播使用的内存进行了优化，这是通过仔细考虑梯度计算需要哪些张量，并构造计算以减少此类张量的数量来实现的。历史上讲，在更改网络结构上，我们相对的保守，并且，在实验中，我们独立的限制网络的模块（保证其它的网络部分稳定）。这也导致网络看起来比它们需要的更复杂，难以修改。在我们最新的实验中（Inception-v4），我们简化了模块的设计，去除不必要的集成，对每一个Inception模块进行统一的设计。图9给出了Inception-v4的结构，图3,4,5,6,7,8是每个模块的详细结构。所有卷积中（没有标记为V）意味着填充方式为"SAME Padding"，输入和输出维度一致。标记为V的卷积中，使用"VALID Padding"，输出维度视具体情况而定。
3.2、Residual Inception Blocks
对于残差版本的Inception网络，我们使用更加低廉的Inception blocks。每一个Inception block都会添加卷积核扩展层（1x1卷积，没有激活层），在与输入执行相加之前，增大卷积核个数（宽度）。相当于是对Inception block降低维度的弥补。
我们尝试过不同版本的ResNet-Inception，只详细介绍其中的两种。第一种：“Inception-ResNet-V1”，计算效率与Inception-v3类似；第二种：“Inception-ResNet-V2”，计算效率与Inception-v4类似。图15给出了上述网络的大致结构。
Residual 和 non-residual Inception的另一个微小的差别是：在Inception-ResNet网络中，我们只在传统层（traditional layers）使用BN，不在求和层（summations layers）使用BN。通常认为，所有层使用BN是有必要的，但是我们希望模型能够在单个GPU上训练。实验证明，增大层的宽度对于GPU内存的消耗是不成比例的。通过在网络顶层去掉BN层，我们大幅度提高Inception模块的数量。 我们希望随着计算资源的更好利用，使其成为不必要的。
3.3、Scaling of the Residuals
我们发现，如果卷积核数量突破1000，残差的各种变体开始变得不稳定，网络在更早的死亡，意味着，在训练几万步之后，平均池化前面的几层网络出现零值。即使使用低的学习率或者BN，也无法避免这种情况的出现。
我们发现，在与前一层激活层求和时，缩小残差有助于稳定训练过程。一般我们会选择0.1或0.3固定的缩放因子，见图20。
He 同样发现了超深度网络训练训练不稳定性，为此他们使用了两阶段训练方式：使用小的学习率，进行预热训练（warm-up），当误差降低到一定程度后，增大学习率。但是，我们发现如果卷积核个数太多，那么即使很小的学习率（比如0.00001）也无法解决。最好的方式是缩小残差。尽管缩放并不是严格的必要，但是没有损害最终的精度，并且稳定了训练过程。
4、Training Methodology
我们利用TensorFlow[1]分布式机器学习系统，使用在NVidia开普勒GPU上运行的20个副本，用随机梯度训练我们的网络。我们早期的实验使用动量[13]衰减为0.9，而我们最好的模型通过使用RMSProp[16]衰变为0.9和ε = 1.0。我们使用的学习速率为0.045，每两个epoch使用指数速率0.94衰减一次。使用随时间计算的参数的运行平均值来进行模型评估。