02 GoogLeNet 모델 소개

GoogLeNet 소개

GoogLeNet은 2014년도 ILSVRC(ImageNet Large Scale Visual Recognition Challenge)에서 우승한 CNN 네크워크이다. GoogLeNet은 Inception이라는 개념의 네트워크 중 하나로, Inception-v1와 같은 모델이다.

GoogLeNet이란 이름이 붙은 이유는 구글이 알고리즘 개발에 참여했기 때문이다. 당시 참여 개발자들은 딥러닝 모델의 수치적인 성능 향상보다는 Convolution을 이용한 딥 러닝 네트워크 구조의 혁신에 집중하였다. 그 결과, Inception module이라는 네트워크 구조를 설계하였고, 이를 활용하여 AlexNet보다 더 깊지만 파라미터 수는 1/12인 GoogLeNet을 설계하였다.

 

GoogLeNet의 특징

가. Inception Module

• GoogLeNet은 9개의 Inception Module을 포함하고 있다.
• Inception Module은 다양한 종류의 특성을 도출하기 위해 다양한 사이즈의 필터 커널을 이용해 Convolution 해준다.
• 3 x 3 Max Pooling은 Convolution Feature Map들과 사이즈를 동일하게 하기 위해서 Padding을 사용한다.
• GoogLeNet은 Inception Module로 인해 늘어난 연산량을 줄이기 위해 1 x 1 Convolution을 추가한다.

 

나. 1 x 1 Convolution

• GoogLeNet에서 1 x 1 Convolution은 Feature Map의 갯수를 줄이는 데 사용한다.
• Feature Map의 갯수가 줄어들면 Convolution을 하는데 사용되는 연산량이 줄어든다.

 

GoogLeNet의 구조

가. Input Image

• 224 x 224 x 3 이미지를 입력으로 받는다.

 

나. Inception Module

• 총 9번의 Inception Module을 시행한다.
• 얕은 네트워크는 Inception Module을 사용해도 효과가 없음을 확인했기 때문에 Input Image와 가까운 부분은 단일 Convolution을 시행한다.
• Model 훈련중일 때 4번째와 7번째 Inception Module은 Auxiliary Classifier를 시행한다.

 

다. Final Layer(Fully Connected Layer)

• Global Average Pooling으로 Flatten 해준 후 1000개의 뉴런과 Fully Connected 해준다.
• 1000개 뉴런 출력값에 Softmax 함수를 적용하여 1000개 클래스 각각에 속할 확률을 나타낸다.

 

이론 학습에 참고한 블로그

• https://velog.io/@woojinn8/CNN-Networks-3.-GoogLeNet

[CNN Networks] 3. GoogLeNet

• https://hnsuk.tistory.com/32

[CNN] GoogLeNet