前沿

在CV領域，我們需要熟練掌握最基本的知識就是各種卷積神經(jīng)網(wǎng)絡CNN的模型架構，不管我們在圖像分類或者分割，目標檢測，NLP等，我們都會用到基本的CNN網(wǎng)絡架構。

CNN從最初的2012年AlexNet橫空出世到2014年VGG席卷世界以及2015年ResNet奠定了該領域的霸主地位，網(wǎng)絡模型變得越變越深，而且也得到證明，越深的網(wǎng)絡擬合效果越好，但網(wǎng)絡相應的參數(shù)量計算量都極速增加，不利于技術的推廣和應用。

因此，一些輕量級的網(wǎng)絡結構也慢慢隨之出現(xiàn)，比如MobileNet系列，ShuffleNet系列，以及ResNext、DenseNet、EfficenceNet等模型，他們都互相吸取彼此的優(yōu)點，不但降低了參數(shù)量或者計算量，同時分類精度更高，因而受到了更多的關注。

接下來我們就對CNN的各種網(wǎng)絡結構以及他們的優(yōu)缺點進行一次詳細的解讀！

AlexNet(2012)

1、增加了relu非線性激活函數(shù)，增強了模型的非線性表達能力。成為以后卷積層的標配。

2、dropout層防止過擬合，成為以后fc層的標配。

3、通過數(shù)據(jù)增強，來減少過擬合。

4、引入標準化層（Local Response Normalization）:通過放大那些對分類貢獻較大的神經(jīng)元，抑制那些對分類貢獻較小的神經(jīng)元，通過局部歸一的手段，來達到作用。

VGG(2014)

論文的主要創(chuàng)新點在于：

1、用3x3小卷積核代替了5x5或者7x7的卷積核

2、基于ALexnet加深了網(wǎng)絡深度,證明了更深的網(wǎng)絡，能更好的提取特征。

GoogleNet(2014)

在設計網(wǎng)絡結構時，不僅僅考慮網(wǎng)絡的深度，也會考慮網(wǎng)絡的寬度，并將這種結構定義為Inception結構。

1、引入1x1卷積的主要目的是為了減少維度，還用于修正線性激活（ReLU）

2、網(wǎng)絡最后采用了average pooling（平均池化）來代替全連接層

后面的Inception v2/v3都是基于v1的這種方法在擴展，主要目標有：

1、參數(shù)量降低，計算量減少。

2、網(wǎng)絡變深，網(wǎng)絡非線性表達能力更強

ResNet(2015)

問題：

1、增加深度帶來的首個問題就是梯度爆炸/消散的問題，這是由于隨著層數(shù)的增多，在網(wǎng)絡中反向傳播的梯度會隨著連乘變得不穩(wěn)定，變得特別大或者特別小。這其中經(jīng)常出現(xiàn)的是梯度消散的問題。

2、為了克服梯度消散也想出了許多的解決辦法，如使用BatchNorm，將激活函數(shù)換為ReLu，使用Xaiver初始化等，可以說梯度消散已經(jīng)得到了很好的解決

已知有網(wǎng)絡degradation的情況下，不求加深度能提高準確性，能不能至少讓深度網(wǎng)絡實現(xiàn)和淺層網(wǎng)絡一樣的性能，即讓深度網(wǎng)絡后面的層至少實現(xiàn)恒等映射的作用，根據(jù)這個想法，作者提出了residual模塊來幫助網(wǎng)絡實現(xiàn)恒等映射。

ResNet的設計特點：

1、核心單元模塊化，可進行簡單堆疊。

2、Shortcut方式解決網(wǎng)絡梯度消失問題。

3、Average Pooling層代替fc層。

4、引入BN層加快網(wǎng)絡訓練速度和收斂時的穩(wěn)定性。

5、加大網(wǎng)絡深度，提高模型的特征抽取能力。

MobileNet v1

谷歌在2017年提出專注于移動端或者嵌入式設備中的輕量級CNN網(wǎng)絡：MobileNet。最大的創(chuàng)新點是深度可分離卷積。

通過將標準卷積分解為深度卷積核逐點卷積，能夠顯著的降低參數(shù)量和計算量。引入Relu6激活函數(shù)。

參數(shù)量計算量的計算

網(wǎng)絡結構如下：

MobileNet v2

改進點主要有以下幾個方面：

1、引入殘差結構，先升維再降維，增強梯度的傳播，顯著減少推理期間所需的內(nèi)存占用

Inverted Residuals：

殘差模塊：輸入首先經(jīng)過1x1的卷積進行壓縮，然后使用3x3的卷積進行特征提取，最后在用1x1的卷積把通道數(shù)變換回去。整個過程是“壓縮-卷積-擴張”。這樣做的目的是減少3x3模塊的計算量，提高殘差模塊的計算效率。

倒殘差模塊：輸入首先經(jīng)過1x1的卷積進行通道擴張，然后使用3x3的depthwise卷積，最后使用1x1的pointwise卷積將通道數(shù)壓縮回去。整個過程是“擴張-卷積-壓縮”。

對低維度做ReLU運算，很容易造成信息的丟失。而在高維度進行ReLU運算的話，信息的丟失則會很少。

Linear Bottleneck

這個模塊是為了解決一開始提出的那個低維-高維-低維的問題，即將最后一層的ReLU6替換成線性激活函數(shù)，而其他層的激活函數(shù)依然是ReLU6。

MobileNet v3

V3結合了V1的深度可分離卷積，V2的Inverted Residuals 和 Linear Bottleneck，以及加入SE模塊、利用NAS（神經(jīng)結構的搜索）來搜索網(wǎng)絡參數(shù)。

互補搜索技術 —— NAS & NetAdapt

h-swish激活函數(shù)

out = F.relu6(x + 3., self.inplace) / 6.
return out * x

改進一：下圖是MobileNet-v2的整理模型架構，可以看到，網(wǎng)絡的最后部分首先通過1x1卷積映射到高維，然后通過GAP收集特征，最后使用1x1卷積劃分到K類。所以其中起抽取特征作用的是在7x7分辨率上做1x1卷積的那一層。

而V3是先進行池化然后再進行1x1卷積提取特征，V2是先1X1卷積提取特征再池化。

ShuffleNet

組卷積

Group convolution是將輸入層的不同特征圖進行分組，然后采用不同的卷積核再對各個組進行卷積，這樣會降低卷積的計算量。因為一般的卷積都是在所有的輸入特征圖上做卷積，可以說是全通道卷積，這是一種通道密集連接方式（channel dense connection），而group convolution相比則是一種通道稀疏連接方式（channel sparse connection）。

depthwise convolution，這是一種比較特殊的group convolution，此時分組數(shù)恰好等于通道數(shù)，意味著每個組只有一個特征圖。分組卷積的會帶來一個矛盾就是特征通信。group convolution層另一個問題是不同組之間的特征圖需要通信。所以MobileNet等網(wǎng)絡采用密集的1x1 pointwise convolution，因為要保證group convolution之后不同組的特征圖之間的信息交流。

為達到特征通信目的，我們不采用dense pointwise convolution，考慮其他的思路：channel shuffle

ShuffleNet的核心是采用了兩種操作：pointwise group convolution和channel shuffle，這在保持精度的同時大大降低了模型的計算量。

其基本單元則是在一個殘差單元的基礎上改進而成。

總結

以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。

最新評論