常用卷积神经网络精炼总结（复习用）

本文总结了目前依然常用常见的卷积神经网络的特点，仅作为复习使用，具体细节建议阅读原论文

 

①Resnet

1. 拟合残差，网络退化或者消失的主要原因是多个非线性层无法构建恒等映射，解决方法之一就是引入残差。让模型内部至少有恒等映射的能力。
2. resent可以看作是路径的集合，类似集成模型，从输入到输出存在许多不同长度的路径。（让模型自身结构选择更加灵活）
3. 引入有效路径，加强前后层信息融合；且有效路径都是短路径，不是让梯度流通整个网络，而是在深层引入传输梯度的短路径。

②Densenet
一句话：跳跃连接的极致，将所有层的状态全部保存到集体知识中，加强特征的传递。
1. 密集连接，减轻梯度消失
2. 每层的维度减少，减少参数量，类似正则化，减少过拟合的风险
3. 加强feature map的传递，更高效利用feature

 

③Inception系列
一句话：密集的块结构来近似最优的稀疏结构
V1:

1. 多个小卷积核代替大卷积核，参数少；同时获取多种感受野

 

2. 1*1卷积降维，跨通道信息融合；避免表示瓶颈，最大池化前进行升维
3. 辅助softmax，将有用的梯度注入模型低层（对抗梯度消失）

V2:
Batch normliazation

V3:

1. 避免表示瓶颈，对应pool，特征图尺寸应该从输入到输出缓慢减小

2. 空间聚合可以在低维进行，3*3之前的降维
3. （核心）高维特征更容易局部处理，使用稀疏表示，对应串行不对称卷积（中高层特征图适用）7*7 -> 1*7，7*1，减少计算量
4. 平衡深度和宽度
tricks：
Label smoothing , 通过权重调节，改变真实标签分布，达到正则化效果，阻止最大的Logit过于自信，增强泛化能力。

 

④Xception

1. 基于inception的假设，特征图的跨通道相关性与空间相关性已充分解耦合，不需要联合映射。
2. 极限的inception，把空间卷积与通道卷积分离，参数量和计算量大大减小
计算量：

⑤SEnet

一句话：通道注意力机制，显示地建模特征通道之间的相互依赖关系，选择性的强调部分特征，抑制其他特征
1. Squeeze, 把每个通道信息压缩生成通道描述符，使用gap。
2. Excitation, 对通道信息建模生成权重
3. 加权输出新的feature
存在一个bottleneck

 

⑥cbam

同时进行通道注意力机制以及空间注意力机制，采用maxpooling与averpooling一起做gap
空间注意力机制，即在一个像素点的位置所有通道内的点进行gap。

⑦MoblieNet系列, 记好论文题目
V1: efficient cnn for moble

1. 使用深度可分离卷积，参数和计算量少
2. Relu6 (低精度下鲁棒性高)
Dw -> bn -> relu6 -> 1*1 conv -> bn -> relu
引入一个减少参数量的超参数：
所有层的 通道数乘以 α 参数，模型大小近似下降到原来的 α 2 倍，计算量下降到原来的 α 2 倍

V2: inverted residuals and liner bottlenecks

1. 引入残差连接
2. 引入倒置瓶颈结构（与resnet相反），因为维度过低导致特征提取不充分，故先升维后降维。
升维1*1 -> bn -> relu6 -> dw -> bn -> relu6 -> 降维 1*1
3. 替换relu6为线性连接 (relu在低维的时候容易破坏特征)

v3: serching for mb3
1. 使用mnasnet作为基础的模块（nas搜索出来的资源受限的网络结构）
2. 引入senet，通道注意力机制，对某些特征重点关注
3. 使用h-swish（reLu实现），替换swish的复杂操作（适配更多硬件），使用hard形式逼近swish的函数曲线。
swish函数，nas搜索得到

只在后半网络使用， 因网络加深，使用非线性激活函数的计算量越小
网络开销主要在卷积计算上，轻量级网络主要是1*1卷积，1*1卷积不需要Img2col，更快。

⑧shuffleNet

a. 输入通道与输出通道相同的时候，mac会在flops相同的情况下减少，特征图以及卷积核参数量是mac
（输入特征图存储hwc1，输出特征图存储hwc2，以及权重存储1*1*c1*c2）

推导关键是令c2这一步，化简之后可以根据a+b>=2*sqrt(ab)得到，c1=c2时最小
b. 过量使用组卷积会增加mac，分组数要选好
c. 碎片化网络会降低并行度，影响速度（inception, 多路结构）
d. 注意元素级操作，add操作等

 

⑨Efficient-net

1. 优化目标，基础结构不变例如k,s

2. 复合扩张方法, 根据算力改变缩放系数即可

3. 求解方式：

 

 

 

缩放的核心在于2的次方，次方是1的时候代表算力是B0的2倍，后续例如算力提升10倍，2的3.3次方等于10，那么缩放系数就是3
但是缺点是推理速度不快：相同的flops，element-wise能处理更多的数据量，通过处理更多的数据量来贴合给你精度，但是大量数据读取受限于gpu带宽，导致推理速度慢。如果利用相同的数据量训练，逐元素卷积在精度上比普通卷积低。

⑩Dilated conv

1. 在避免使用down sampling 时增大感受野, 实现方式是在普通卷积核中插入0，atros为多少就插入几个0
2. 感受野计算方式：（r*s）+ (k-s) , 带洞卷积感受野计算就先算出模拟多大卷积核（k+d*(k+1)），然后带入公式即可
3. 缺点，使用单一尺度的dilated conv不能同时处理不同大小物体的关系，故转向多级的形式，如aspp
附：多尺度语义分割的形式：①image pyramid ② unet类 ③ASPP ④SPP（不同尺度池化，然后拉成一维，拼接起来，固定维度）
带来棋盘效应，解决方法：去掉最开始的池化；渐进式的空洞卷积；去掉残差

 

⑩①DCN

出发点：图像中目标的尺寸形状变化不一
一句话：使网络在提取特征的时候把注意力聚焦在训练目标上，覆盖不同形状尺寸的目标，动态调整感受野。
1. 可形变卷积
两层结构，上层通过卷积学习到offset（卷积核个数2*k*k，对应每个位置的x,y偏置），下层根据offset先调整位置，再使用卷积提取特征
2. 可形变ROI POOLING
两层结构，上层提取ROI通过FC学习到offset（FC输出节点2*bin个数）, 下层根据offset先调整位置，再使用Roi pooling

 

⑩②SKNET

split -> fuse -> select
1.首先使用不同的卷积核对原图进行卷积
下面就是split attention的步骤：
2.逐元素相加不同特征图，gap->fc->softmax，学习每个通道占的比重（与senet一样，先gap再压缩维度，在扩展到原维度）
3.比重乘回原通道，各个组直接相加。

⑩③ResNest

 

可以认为是senet、sknet、resnext的集大成。
1. 先resnext类似，分成大组（减小计算量）
2. 把每个大组，借鉴sknet，分成几个分支（可选核分支，模型灵活性，多感受野）
3. 再用sknet的合并，split attendion, 先得到每个分支的通道权重（senet），分别相乘后再相加
4. 最后 concat 每个大组
使用的Mixup数据增强方法： 把两张图片按权重线性相加，一张图片中出现两张图片的目标

⑩④CSPnet

提出原因：发现大量重复的梯度信息被用来更新不同密集层的权重。 这将导致不同的密集层重复学习相同梯度信息
cspnet使得网络结构能够实现更加丰富的梯度组合信息，同时减小计算量。
通过将基础的特征图划分成两部分，（同一个特征图送入两个不同的卷积，两个卷积输出的通道数减半）然后通过提出的跨阶段层次结果将他们融合。主要概念是截断梯度流，截断后加一个过渡层，使梯度流通过不同的网络路径传播，防止不同的层学习重复的梯度信息