跳转至

【GiantPandaCV导语】这是最近百度的一篇网络结构设计文章,该网络结构是手工设计得来,主要改进在对特征图多级划分卷积,拼接,提升了网络的精度,同时也降低了推理时间。个人感觉是res2net,ghostnet的结合,并且训练阶段没引入过多的trick,最后的实验结果很惊艳,或许是炼丹的一个好选择。

CNN模型图像分类准确度,推理速度比较

前言

在该工作内,我们发现多层级的特征对视觉任务效果提升明显,因此设计了一个即插即用的多级分离模块(Hierarchical-Split Block)。HS-Block包含了多个层级特征图的分离和拼接,我们将其替换到Resnet中,提升效果明显,top-1准确率能达到81.28%,同时在其他任务如目标检测,分割表现也十分出色。

介绍

这篇工作里面我们考虑以下3个问题

  1. 如何避免在特征图产生冗余信息
  2. 如何在不增加计算复杂度前提下,让网络学习到更强的特征表达
  3. 如何得到更好的精度同时,保持较快的推理速度

基于上述3个问题,我们设计了HS-Block来生成多尺度特征图。

在原始的特征图,我们会分成 S 组,每一组有W个通道(也即W个特征图)。

HS-Block模块示意图

只有第一组的能直接送入到最后的输出中

从第二组开始操作就开始不一样了:

  • 第二组的特征图经过3x3卷积后,得到了图示的黄色方块
  • 然后它会被分离成两组子特征图
  • 一组子特征图拼接到最后的输出
  • 另一组子特征图拼接到第三组特征图,如此循环往复

可以看到这个操作还是比较复杂的,但基本都是按照上述那四条规则循环进行。

最后拼接完的特征图我们会再用1x1卷积进行特征融合

灵感来源

在论文内,作者也说了灵感来自于res2net和Ghostnet(解析可参考 华为GhostNet网络

我们先来分别回顾这两个网络主要的模块

Res2Net的模块结构如下:

Res2Net模块示意图

Res2Net的模块也是将一组特征图分离成4组,分层做卷积。 特殊点在于第二组特征图经过3x3卷积后,是以 elementwise-add 的形式加到第三组特征图上。 类似的,第三组特征图经过3x3卷积后,也以elementwise-add的形式加到第四组特征图上。

下面我们看看GhostNet模块:

GhostModule模块示意图

GhostNet的设计思想是为了减少特征图冗余,部分特征图可以在已有特征图上经过卷积操作得到。因此它先通过一个卷积模块得到黄色部分,再在黄色部分中进一步生成特征图(原论文是Depthwise Conv),最后两者拼接到一起。

设计思想

HS-Block的多尺度分离,卷积的做法。能容不同组的特征图享受到不同尺度的感受野

在前面的特征图,拼接进来的特征卷积次数较少,感受野较小,能关注细节信息

在后面的特征图,拼接进来的特征卷积次数较多,感受野较大,能关注全局信息

这部分思想来源于res2net,通过不同感受野,增加特征的丰富性。

那么引入了另外一个问题,res2net的做法在通道数量较大的时候,计算复杂度也随之增加。那么是不是所有特征图都是必须的呢?在GhostNet里面有观察到并不是

特征图冗余

部分特征图是可以在已有特征图上生成,因此借助GhostNet的思想,我们在模块内将 S2 组卷积得到的特征图,部分拼接到 S3 组,实现了特征图的复用,后续组也是这样一个做法,成功用 GhostNet 思想降低了计算复杂度。

分析计算复杂度

常规的卷积核参数计算是

param = C_{in}*K_{size}[0]*K_{size}[1]*C_{out}

在resnet的BottleNeck结构里,输入前后通道数不变,而在我们这里,是分成S组,每组W个通道,换句话说,我们输入通道是

C_{in} = W*S

而我们使用的卷积核长宽都是一致的,替换到上面公式就是

param_{normal} = W*S*K*K*W*S

现在我们看下HS-Block这里的计算量 由于第一组特征图直接拼到后面,所以没有计算量

param = 0, \space(i=1)

后面的特征图,输入通道需要concat,前面一半的特征图 因此在原始的W上,还有额外加多一项,输入通道为:

C_{in} = (W + \frac{2^{i-1}-1}{2^{i-1}}W)

这里输入通道推导可能光看公式不太清楚,其实可以手推一下,基本的情况是

S2: (W + \frac{1}{2}W) 这里的一半通道来自S1 \\ S3: (W + \frac{1}{2}C_{s2}) = (W+\frac{1}{2}(W + \frac{1}{2}W)) = (W+\frac{3}{4}W) \\

以此类推 最后每一组卷积的参数为

param_i = K*K*W*W*( \frac{2^{i-1}-1}{2^{i-1}}+1) \space(1<i<=S)

注意到上面是每一组卷积的参数,总参数我们需要累加起来

param_{total} = K*K*W*W*\sum_{n=1}^{s-1}(\frac{2^{n-1}-1}{2^{n-1}}+1)

其中1是常数项,累加s-1次,和为s-1,我们单独提出来

param_{total} = K*K*W*W*[\sum_{n=1}^{s-1}(\frac{2^{n-1}-1}{2^{n-1}})+s-1]

而累加项中

\frac{2^{n-1}-1}{2^{n-1}} = 1-\frac{1}{2^{n-1}}

很容易得知

1-\frac{1}{2^{n-1}} < 1

因此我们有推出不等式

\sum_{n=1}^{s-1}(\frac{2^{n-1}-1}{2^{n-1}}) <\sum_{n=1}^{s-1}(1) = s-1

我们代入前面公式有

param_{total} < K*K*W*W*(S-1+S-1) = K*K*W*W*(2S-2)

与常规卷积参数比较

param_{normal} = K*K*W*S*S < param_{total} < K*K*W*(2S-2)

可以看到参数量确实是减少了

实验结果

图像分类实验结果

可以看到最后的实验,得益于合理的设计思想,HS-ResNet的性能和速度都很快。

目标检测实验

图像分割实验

在目标检测,分割等其他任务中表现也十分优秀

不同分组实验性能

作者也在最后探讨了下分组数对于性能,推理速度的影响,可以看到这个模块也是十分灵活,性能和速度都是可以自行调整的

最后

目前Paddle官方还在做后续实验,相关代码模型还没放出来。作者的思想也不是很复杂,将res2net和ghostnet的思想融合进来,也保留了灵活性,拓展性,相信这个模型还会有更大的潜力。


欢迎关注GiantPandaCV, 在这里你将看到独家的深度学习分享,坚持原创,每天分享我们学习到的新鲜知识。( • ̀ω•́ )✧

有对文章相关的问题,或者想要加入交流群,欢迎添加BBuf微信:

二维码

为了方便读者获取资料以及我们公众号的作者发布一些Github工程的更新,我们成立了一个QQ群,二维码如下,感兴趣可以加入。

公众号QQ交流群