深度学习论文阅读总结

本文最后更新于:1 年前

AlexNet

摘要

alex 团队使用大规模深度卷积神经网络对 ImageNet 图像分类竞赛中的 120 万张高分辨率图像进行分类的工作。主要总结如下:

  1. 构建了一个包含6000 万参数、65 万个神经元的大型卷积神经网络, 包含5 个卷积层、若干(3)最大池化层和 3 个全连接层

  2. 在 ImageNet 2010 比赛的数据集上, 该模型达到了top-1 错误率 37.5%, top-5 错误率 17.0%, 显著优于此前最佳结果。

  3. 使用非饱和神经元(ReLU)和高效(并行)的 GPU 卷积实现加速了训练。使用了新的 dropout 正则化方法减少全连接层过拟合。

  4. 在 ImageNet 2012 比赛中, 该模型的变体获得了 top-5 测试错误率 15.3%的获胜结果, 优于第二名的 26.2%。


背景介绍

  1. 当前的对象识别方法大量依赖机器学习, 可以通过收集更大的数据集、学习更强大的模型和使用更好的技术防止过拟合来提高性能。

  2. 以前的图像数据集相对较小, 新的更大数据集如 ImageNet 包含了上千万个带标签的高分辨率图像

  3. 卷积神经网络 (CNN)是一个大容量的模型, 可以通过调节其深度和广度来控制其能力。它对图像的假设大多是正确的, 比标准前馈神经网络的参数更少, 更易训练

  4. 当前的 GPU 和高度优化的 2 D 卷积实现足以训练有趣的大型 CNN, 大型数据集如 ImageNet 包含足够的标记样本来训练这些模型而不会严重过拟合。

  5. 本文训练了迄今为止最大的卷积神经网络之一, 在 ImageNet 数据集上取得了最好的结果。作者编写了高度优化的 GPU 2 D 卷积等操作实现。

  6. 网络的大小主要受当前 GPU 内存和可接受的训练时间的限制。作者使用了几种技术来防止过拟合。更深的网络层次似乎很重要。

  7. 实验表明, 可以通过等待更快的 GPU 和更大的数据集来进一步改进结果。


方法

1. 数据集

  1. 将图像下采样至固定分辨率 256 × 256
  2. 重新缩放图像,使短边的长度为 256

2. 架构

2.1 ReLU Nonlinearity

  1. 传统的神经元模型使用 tanh 或 sigmoid 作为激活函数, 训练时间较慢且易于梯度消失

  2. 使用 ReLU (f (x)=max (0, x)) 作为激活函数可以显著加快训练速度并且防止过拟合, 使大型网络的训练成为可能。

总之, 使用 ReLU 等非饱和激活函数可以显著加速训练, 这对于大规模深度学习模型非常重要。文章通过实验确证了这一点。

image.png|325

ReLU(实线)在 CIFAR-10 上达到 25% 的训练错误率,比具有 tanh 神经元的等效网络(虚线)快六倍。


2.2 Training on Multiple GPUs

  1. 采用的并行化方案本质上是在每个 GPU 上各放一半的内核(或神经元),还有一个额外的技巧:GPU 仅在某些层中进行通信

    • 缺点:选择连接模式是交叉验证的一个问题
    • 优点:能够精确调整通信量,直到它达到计算量的可接受的分数
  2. 该方案将 top-1 和 top-5 错误率降低了 1.7% 和 1.2%

  3. 双 GPU 网络的训练时间比单 GPU 网络略少


2.3 Local Response Normalization

局部正则化表达式:
$$b_{x,y}^{i}=a_{x,y}^{i}(k+ \alpha \sum {j= \min(0,i-n/2)}^{min(N-1,i+n/2)}(a{x,y}^{j})^{2})^{\beta}$$
参数:$k = 2, n = 5, α = 10−4, β = 0.75$ 均为超参数,N:层中内核总数,n:同一空间位置的 n 个“相邻”核,

效果:该方案将 top-1 和 top-5 错误率分别降低了0.4%和 0.3%


2.4 Overlapping Pooling

  1. 池化层对同一个核映射中相邻的神经元组输出进行汇总。

  2. 传统上, 相邻池化单元汇总的邻域不重叠 (非重叠池化)。

  3. 池化层可以看作是一个栅格, 每个池化单元之间间隔 s 像素, 并汇总一个大小为 z x z 的邻域。

    • 如果 s=z, 则为传统的非重叠池化。
    • 如果 s<z, 则为有重叠的池化, 该网络采用了 s=2, z=3 的重叠池化。
  4. 该方案将 top-1 和 top-5 错误率分别降低了**0.4%和 0.3%**。

  5. 具有重叠池化的模型在训练时往往更难过拟合

与传统非重叠池化相比, 重叠池化层可以汇总有重叠的邻域, 往往可以提高准确率并减少过拟合。该网络采用了具体参数为 s=2, z=3 的重叠池化。


2.5 Overall Architecture

image.png

  1. 一个 GPU 运行图顶部的层部分,而另一个 GPU 运行底部的层部分。 GPU 仅在某些层进行通信。
  2. 第二到第五个卷积层顺序连接, 每层卷积核大小和数量分别为 256 个 5 x 5 x 48、384 个 3 x 3 x 256、384 个 3 x 3 x 192 和 256 个 3 x 3 x 192, 全连接层每个有 4096 个神经元。

3. 防止过拟合

3.1 Data Augmentation

  1. 普遍通用方式:使用标签保留转换人为地扩大数据集
  2. 本文采用的方式:
    • 生成图像平移和水平反射(256 x 256 –> 224 × 224 附带水平反射)
    • 改变训练图像中 RGB 通道的强度( RGB 像素值集执行 PCA,对于每个训练图像,我们添加多个找到的主成分)

[!NOTE] Conclusion

  • 该方案将 top-1 错误率降低了 1%以上
  • 对象身份对于照明强度和颜色的变化是不变的

新概念:PCA
PCA (主成分分析)是一种广泛用于数据分析和机器学习的统计方法。它的主要作用是:

  1. 减维: PCA 通过正交变换, 将高维数据集投影到低维空间中, 同时尽量保留原数据的信息。
  2. 去相关: PCA 可以去除数据间的相关性, 将高维数据转换为线性无关的低维特征。
  3. 特征提取: PCA 可以将数据集中的主要特征提取出来, 去除噪声, 使得数据集中的特征更加显著。
    其基本思想是利用正交变换把原始数据集投影到某个最佳子空间, 使得投影后的样本点能够最大限度保留原样本点的信息 (样本点的方差)。数学上, 它通过求数据协方差矩阵的特征向量来实现。PCA 是一种常用的无监督学习方法。

3.2 Dropout

具体做法:在前两个全连接层中使用 dropout,没有 dropout 时会过拟合,Dropout 大约使迭代次数加倍来收敛

  • Dropout 是一种很有效的模型集成技术, 在训练时随机让一半的隐层单元输出为 0

  • Dropout 使得每次输入时神经网络采样不同的架构, 但这些架构共享权重

  • 减少神经元之间的复杂适应性, 迫使其学习更加鲁棒的特征。

  • 在测试时使用所有神经元, 但将其输出乘以 0.5 来近似地取指数数量 dropout 网络的预测分布的几何平均。

总的来说, dropout 通过随机扰动实现模型集成, 减少过拟合, 但需要更多的迭代次数。


实验

  1. 随机梯度下降,批量大小为 128 ,动量为 0.9,权重衰减为 0.0005,轮数为 90
  2. 初始化的每层的权重来自标准差为 0.01 的零均值高斯分布
  3. 第二、第四和第五卷积层以及全连接隐藏层中的神经元偏差为常数 1,其余层中的神经元偏差为常数 0
  4. 学习率初始化为 0.01,当验证错误率停止以当前学习率提高时,将学习率除以 10

新概念:L 2

  • L 2 在深度学习中通常指 L 2 正则化 (L 2 regularization)。L 2 正则化是一种常用的正则化技术, 主要作用是为了防止模型过拟合
  • L 2 正则化的具体做法是在模型的损失函数中引入权重参数的 L 2 范数作为惩罚项。也就是在损失函数中添加λ||w||^2*, 其中 w 是模型的参数,||w||^2 表示参数 w 的 L 2 范数,λ是超参数用于控制惩罚力度。
  • 引入 L 2 范数会惩罚模型参数的大小, 使得参数向 0 收缩, 从而达到减小模型复杂度, 防止过拟合的目的。一般来说, L 2 正则化在实际应用中使用更为广泛, 因为 L 2 正则化更容易优化, 且可以防止参数爆炸

结论

  • 大型深层卷积神经网络通过纯监督学习在一个非常复杂的数据集上取得了记录性的结果

  • 删除任何一个卷积层, 网络的性能都会下降, 如删除中间层会导致 top-1 性能降低约 2%

  • 作者希望能在视频序列上应用更大更深的卷积网络, 因为时间信息可以提供静态图像中没有的有用信息。


VGG

VGGNet 是牛津大学视觉几何组 (Visual Geometry Group)提出的模型,该模型在 2014 ImageNet 图像分类与定位挑战赛 ILSVRC-2014 中取得在分类任务第二,定位任务第一的优异成绩。VGGNet 突出的贡献是证明了很小的卷积,通过增加网络深度可以有效提高性能。VGG 很好的继承了 Alexnet 的衣钵同时拥有着鲜明的特点。相比 Alexnet ,VGG 使用了更深的网络结构,证明了增加网络深度能够在一定程度上影响网络性能。

摘要

  • 研究非常深的 CNN 在大规模图像分类中的效果
  • 主要贡献: 通过增加网络深度来提高 ImageNet 分类性能
  • 实验中深度从 11 层增加到 19 层, 使用 3 x 3 小卷积核
  • 分类错误率随网络深度的增加而降低
  • 在 ILSVRC 2014 分类任务中获得了第二名

背景介绍

  • CNN 近年来在图像识别中成功, 得益于大数据集和 GPU 计算
  • ILSVRC 竞赛推动了从浅层到深层网络的发展
  • 本文通过增加深度来提升 CNN 性能
  • 使用全 3 x 3 小卷积核, 增加非线性映射判别性, 减少参数量

方法

卷积网络配置

image.png|400
image.png|400
image.png|325

  • 输入 224 x 224 RGB 图像, 均值归一化预处理
  • 所有卷积层使用 3 x 3 小卷积核
  • 1 x 1 卷积可看作通道上的线性变换
  • 卷积步长为 1, 使用 padding 保持分辨率
  • 5 次最大池化下采样
  • 3 个全连接层, 最后分类层 1000 个输出
  • 所有隐层使用 ReLU 激活函数
  • 提出了 11-19 层的 5 种配置进行比较

分类框架

  • SGD 优化, momentum, dropout, batchsize=256
  • 先训练 11 层网络 A, 初始化更深网络部分层权重
  • 训练集数据增强: 随机裁剪, 翻转, 颜色抖动
  • 测试时多尺度密集预测, 平均结果

实验

分类实验

  • 在 ImageNet 上评估不同配置
  • 错误率随深度减小, 19 层效果趋于饱和
  • 多尺度评估优于单尺度, 训练尺度抖动也优于固定尺度
  • 模型融合进一步提升, 2 模型组合 top-5 错误率 6.8%

定位实验

  • 使用深度 CNN 预测 bounding box 进行对象定位
  • 每类回归优于共享回归, 微调所有层优于仅全连接层
  • 最终定位错误率 25.3%, 优于之前 state-of-the-art (SOTA)

很深特征泛化性

  • 在其他数据集上测试 ImageNet 预训练模型作为特征提取器
  • 在 PASCAL VOC、Caltech 等数据集上获得了 state-of-the-art 的分类效果
  • 显示了很深 CNN 模型学到的特征具有很强的泛化性

重点总结

  1. 小卷积核组: 作者通过堆叠多个 3*3 的卷积核 (少数使用 1*1)来替代大的卷积核,以减少所需参数;

  2. 小池化核: 相比较于 AlexNet 使用的 3*3 的池化核,VGG 全部为 2*2 的池化核;

  3. 网络更深特征图更宽: 卷积核专注于扩大通道数,池化专注于缩小高和宽,使得模型更深更宽的同时,计算量的增加不断放缓;

  4. 将卷积核替代全连接: 作者在测试阶段将三个全连接层替换为三个卷积,使得测试得到的模型结构可以接收任意高度或宽度的输入。

  5. 多尺度: 作者从多尺度训练可以提升性能受到启发,训练和测试时使用整张图片的不同尺度的图像,以提高模型的性能。

  6. 去掉了 LRN 层: 作者发现深度网络中 LRN(Local Response Normalization,局部响应归一化)层作用不明显。


重要概念

感受野

感受野(感受野其实就是结果层一个神经元节点发生变动能影响多少个输入层神经元节点)
计算公式:
$$feature_{i}=(feature_{i+1}-1)\times window_{-}strides+kernel_{-}size$$
$f_i$ 是第 i 层感受野,times 为第 i 步的步长,kernel_size 为卷积核或池化核大小。
image.png|450

  • 感受野决定了神经网络能“看到”输入图像的哪一部分。每个神经元只连接到输入图像的一小块区域, 这块区域就是这个神经元的感受野。
  • 在卷积神经网络中, 通过设置卷积核的大小, 可以控制每个神经元的感受野大小。典型的卷积核大小是 3 x 3 或 5 x 5
  • 网络层数越深, 神经元的感受野会越来越大。这是因为每个神经元不仅连接到输入, 还连接到前一层的神经元。所以层与层堆叠, 会逐步扩大感受野。
  • 扩大感受野有利于捕捉输入图像的全局信息, 以及学习更抽象和高级的特征表示。但是计算量也会增加。所以需要在两者之间做 trade-off。
  • 全连接层, 每个神经元的感受野是整个输入图像

总体来说, 调整卷积网络的感受野大小, 是控制网络提取局部还是全局信息的一个重要方法。这在卷积网络设计中需要特别考虑。


GoogLeNet

摘要

这篇文章介绍了一个名为 Inception 的深度卷积神经网络架构,它在 ImageNet Large-Scale Visual Recognition Challenge 2014 (ILSVRC 14)的分类和检测任务中取得了新的最优结果。该架构的主要特点是在网络内部改进了计算资源的利用。通过精心设计,增加了网络的深度和宽度,同时保持了计算预算不变。为了优化质量,架构决策基于 Hebbian 原理和多尺度处理的直觉。在 ILSVRC 14 中使用的一个特定版本称为 GoogLeNet,是一个 22 层深的网络,其质量在分类和检测的背景下进行了评估


背景介绍

想要更好的预测效果,就要从网络深度和网络宽度两个角度出发增加网络的复杂度。
但这个思路有两个较为明显的问题:

  1. 首先,更复杂的网络意味着更多的参数,也很容易过拟合;

  2. 其次,更复杂的网络会消耗更多的计算资源,而且卷积核个数设计不合理,导致了卷积核中参数没有被完全利用 (多数权重都趋近 0)时,会造成大量计算资源的浪费。

因此 GoogLeNet 在专注于加深网络结构的同时,引入了新的基本结构——Inception 模块,以增加网络的宽度。GoogLeNet 一共 22 层,没有全连接层,在 2014 年的 ImageNet 图像识别挑战赛中获得了冠军。

2.1 稀疏运算特性

稀疏矩阵

在矩阵中,若数值为 0 的元素数目远远多于非 0 元素的数目,并且非 0 元素分布没有规律时,则称该矩阵为稀疏矩阵;与之相反,若非 0 元素数目占大多数时,则称该矩阵为稠密矩阵。定义非零元素的总数比上矩阵所有元素的总数为矩阵的稠密度

稀疏运算

根据上面的缺点,作者认为我们应该把全连接层替换成稀疏连接结构,这样就可以避免计算资源的浪费,加速收敛。作者还提到了Hebbian principle,主旨是:

  1. 如果突触两侧的两个神经元(即连接)同时被激活,则该突触的强度会选择性地增加
  2. 如果突触两侧的两个神经元被异步激活,则该突触被选择性地削弱或消除.

2.2 并行计算

随着现在计算硬件的飞速发展,我们如果在 gpu 上用稀疏计算,那么它的效率将为减少 100 倍,无论我们怎么调试,它的效果都不尽人意,所以作者认为要充分利用 gpu 并行计算。

结合稀疏与并行

想要找到一个鱼与熊掌兼得的方案,在使用稀疏运算的优势的同时,还要充分利用 GPU。利用稀疏矩阵分解成密集矩阵计算的原理来加快收敛速度。举个例子下图左侧是个稀疏矩阵(很多元素都为 0,不均匀分布在矩阵中),和一个 2 x 2 的矩阵进行卷积,需要对稀疏矩阵中的每一个元素进行计算;如果像右图那样把稀疏矩阵分解成 2 个子密集矩阵,再和 2 x 2 矩阵进行卷积,稀疏矩阵中 0 较多的区域就可以不用计算,计算量就大大降低, 但是这些都是作者的假设,他也不能合理的解释其原因.


架构

3.1 Inception 模块

image.png|450
Inception 模块的基本组成结构可以分为四个部分:1 x 1 卷积、3 x 3 卷积、5 x 5 卷积和 3 x 3 最大池化。然后将这四部分的运算结果按通道进行组合。
这就是 Naive Inception(上图 a)的核心思想:利用不同大小的卷积核实现不同尺度上的特征提取,并最终将它们合并,以获得更好的图像表示(即探索特征图上不同邻域之间的“相关性”)。
注意:每个分支产生的特征矩阵的高度和宽度必须相同
然而,Naive Inception 有两个缺点:

  1. 所有卷积层直接接收前一层输入的数据,导致卷积层的计算量很大(一次计算变为四次)。
  2. 在该模块中使用的最大池化层会保留输入数据的特征图的深度,因此合并后总输出的特征图深度一定会增加,这进一步增加了网络结构的计算量。

因此,增加了使用 1 x 1 卷积操作的目的是进行压缩降维,以减少参数量(即上图 b),从而让网络更深、更宽,更好地提取特征。这种思想也被称为 Pointwise Conv(逐点卷积),简称 PW。
压缩降维:通过调整卷积层的输出通道数来实现这一目标。

减少参数量:假设输入通道数为 Cin,原本是直接要使用输出通道数为 Cout 的 N*N 卷积层来进行卷积,那么所需参数量为 Cin*Cout*N*N;如果加上输出通道数为 k 的 1*1 卷积核的话,所需参数量为:Cin*k+N*N*Cout*k,只要 k 足够小就能使参数量大幅度下降了。

3.2 辅助分类器

因为神经网络的中间层也具有很强的识别能力,因此 GoogLeNet 在一些中间层中添加了含有多层的分类器。GoogLeNet 中共增加了两个辅助的 softmax 分支。网络结构如上图所示(其中的红圈圈就是辅助的分类器)。
image.png|400
GoogLeNet 网络引入了辅助 softmax 分支的目的主要有三个作用。

  1. 首先,为了避免梯度消失问题,在反向传播时,如果某一层求导为 0,则链式求导的结果也会为 0。因此,在中间层中添加辅助 softmax 分支可以保证梯度能够向前传递,避免梯度消失的问题,提高网络的训练效果。

  2. 其次,辅助 softmax 分支将中间某一层的输出用作分类器,起到了模型融合的作用。最终的分类结果不仅依赖于主分类器的结果,还考虑了这两个辅助分类器的结果,通过加权融合的方式得到最终的训练得到的分类结果。然而,在实际测试中,这两个辅助 softmax 分支通常会被去掉,因为它们的主要作用是向前传导梯度,在训练完成后就没有太多的价值,理应被丢弃。

  3. 另外,辅助分类器还起到了正则化的作用。在进一步的研究中,Google 团队发现,在训练早期,辅助分类器并没有改善收敛速度。在两种网络达到高精度之前,两种网络的训练进度几乎是相同的。直到接近训练结束时,有辅助分支的网络才开始超越没有任何分支的网络的准确性,达到更高的稳定水平。因此,辅助分类器更多地起到了正则化的作用,防止模型过拟合。

综上所述,GoogLeNet 网络中的辅助 softmax 分支具有避免梯度消失、模型融合和正则化的作用。这一设计在提高网络的训练效果和稳定性方面取得了良好的效果。

3.3 Average pooling

网络一共 22 层,为了减少参数作者把 alexnet 的两层全连接层换成了全局平均池化,数据有多少类别,最后的 channel 数就是多少,把每个 channel 的 feature 换成这个 channel 所有 feature 的平均值,再经过 soft Max。最终通过实验发现,利用 average pooling 的精度比全连接层好了 6%。

### 3.4 网络结构 共 5 段,9 个 inception 块,stage 3 两个,stage 4 五个,stage 5 两个。

image.png|250
模型参数如下图所示:

image.png


实验

训练方法 (Training Method)

超参数设置

dropout:0.7 SGDM:momentum=0.9 learning rate:decreasing learning rate by 4% every 8 epoch。

模型集成

训练阶段

作者训练了 7 个模型,这七个模型有相同的学习率策略,模型结构,初始化权重(由于作者的疏忽)。不同点: 根据不同的图像采样,随机的图像输入顺序。

预测阶段

  1. 把图像根据短边 resize 四个尺寸,分别为 256、288,320、352。
  2. 每个尺寸在根据左中右,上中下分别裁剪出三个小图。
  3. 把每张小图取四个角和中央,然后 resize 224 * 224。
  4. 然后每张图做一个镜像操作。根据上述操作,每张图可以变成 4 * 3 * 6 * 2 = 144 张,然后对结果取均值。


重点总结

下面这幅图将 Inception 模块所使用到的参数信息标注在每个分支上,其中 # 1 x 1 对应着分支 1 上 1 x 1 的卷积核个数, # 3 x 3 reduce 对应着分支 2 上 1 x 1 的卷积核个数, # 3 x 3 对应着分支 2 上 3 x 3 的卷积核个数, # 5 x 5 reduce 对应着分支 3 上 1 x 1 的卷积核个数, # 5 x 5 对应着分支 3 上 5 x 5 的卷积核个数,poolproj 对应着分支 4 上 1 x 1 的卷积核个数。

在这里插入图片描述
多个尺寸上进行卷积再聚合
上图可以看到对输入做了 4 个分支,分别用不同尺寸的 filter 进行卷积或池化,最后再在特征维度上拼接到一起。这种全新的结构有什么好处呢?Szegedy 从多个角度进行了解释:
解释 1:在直观感觉上在多个尺度上同时进行卷积,能提取到不同尺度的特征。特征更为丰富也意味着最后分类判断时更加准确。
解释 2:利用稀疏矩阵分解成密集矩阵计算的原理来加快收敛速度
举个例子下图左侧是个稀疏矩阵(很多元素都为 0,不均匀分布在矩阵中),和一个 2 x 2 的矩阵进行卷积,需要对稀疏矩阵中的每一个元素进行计算;如果像右图那样把稀疏矩阵分解成 2 个子密集矩阵,再和 2 x 2 矩阵进行卷积,稀疏矩阵中 0 较多的区域就可以不用计算,计算量就大大降低。这个原理应用到 inception 上就是要在特征维度上进行分解!
传统的卷积层的输入数据只和一种尺度(比如 3 x 3)的卷积核进行卷积,输出固定维度(比如 256 个特征)的数据,所有 256 个输出特征基本上是均匀分布在 3 x 3 尺度范围上,这可以理解成输出了一个稀疏分布的特征集;而 inception 模块在多个尺度上提取特征(比如 1 x 1,3 x 3,5 x 5),输出的 256 个特征就不再是均匀分布,而是相关性强的特征聚集在一起(比如 1 x 1 的的 96 个特征聚集在一起,3 x 3 的 96 个特征聚集在一起,5 x 5 的 64 个特征聚集在一起),这可以理解成多个密集分布的子特征集。这样的特征集中因为相关性较强的特征聚集在了一起,不相关的非关键特征就被弱化,同样是输出 256 个特征,inception 方法输出的特征“冗余”的信息较少。用这样的“纯”的特征集层层传递最后作为反向计算的输入,自然收敛的速度更快。

在这里插入图片描述

解释 3:Hebbin 赫布原理。
Hebbin 原理是神经科学上的一个理论,解释了在学习的过程中脑中的神经元所发生的变化,用一句话概括就是 fire togethter, wire together。赫布认为“两个神经元或者神经元系统,如果总是同时兴奋,就会形成一种‘组合’,其中一个神经元的兴奋会促进另一个的兴奋”。比如狗看到肉会流口水,反复刺激后,脑中识别肉的神经元会和掌管唾液分泌的神经元会相互促进,“缠绕”在一起,以后再看到肉就会更快流出口水。用在 inception 结构中就是要把相关性强的特征汇聚到一起。这有点类似上面的解释 2,把 1 x 1,3 x 3,5 x 5 的特征分开。因为训练收敛的最终目的就是要提取出独立的特征,所以预先把相关性强的特征汇聚,就能起到加速收敛的作用。
在 inception 模块中有一个分支使用了 max pooling,作者认为 pooling 也能起到提取特征的作用,所以也加入模块中。注意这个 pooling 的 stride=1,pooling 后没有减少数据的尺寸


参考文献

  1. GoogLeNet——CNN经典网络模型详解(pytorch实现)
  2. 深度学习:GoogLeNet核心思想详细讲解 - 知乎
  3. GoogLeNet详解_tt丫的博客-CSDN博客
  4. GoogLeNet_哔哩哔哩_bilibili

ResNet

摘要

本文提出了一个残差学习框架,用于训练深度神经网络。通过引入残差块,可以让网络更深,同时避免了梯度消失和梯度弥散的问题。在多个视觉识别任务中,残差网络都取得了比传统网络更好的结果。


背景介绍(相关研究)

在近些年中,深度网络逐渐往更深的方向发展,但是更深的网络训练更加困难,因为梯度消失和梯度弥散的问题会导致网络难以收敛。之前的研究提出了一些方法,如使用更好的初始化方法、使用更好的激活函数等,但是这些方法并不能完全解决问题。本文提出了一种新的方法,即残差学习框架,通过引入残差块来解决梯度消失和梯度弥散的问题。
image.png|500
image.png|500


方法

Identity Mapping by Shortcuts

$$y=F(x, \left{ W_{i}\right})+x$$


$$y=F(x, \left{ W_{i}\right})+W_{s}x$$

若残差块输入输出维度一致,则直接短接即可;
若唯独不一致,则对输入进行降维增维处理将输入输出维度统一。

网络架构

image.png|450

实现为等维直接短接,虚线为异维进行 A (0 填充) /B(投影快捷映射)


实验

ImageNet

image.png

CIFAR-10

image.png|450
image.png
上图左边指的是 Plain Net, 然而 deeper 的时候,会出现明显的 degradation。当深度达到 100+的时候,plain Net 的错误率达到了 60%以上。
上图中间这是 ResNet,可以看到当 deeper 的时候,错误率也在降低,并没有出现所谓的 degradation。
然而右边则显示 1202 layers 的 ResNet 的错误率比 101 layers错误率高,作者认为这不是 degradation 导致,而是由于这么大的参数量在 cifar 10 这个小数据集上过拟合导致。


重点总结

1. 残差块

作者发现,当加深模型深度时,模型的测试效果没有变好,反而变差。不符合所想的结果,因为浅层的网络应该是深层网络的一个子集,深层网络不应该比浅层网络表现的不好。然而实验的结果表明,当在浅层网络后加恒等映射层,深层网络的效果反而没有浅层网络好。为什么会出现这种原因呢?作者猜想,可能是因为深层网络难以训练。那么为什么会难以训练呢?可能是因为深层网络的最后面的层难以学习到恒等映射,因为浅层网络已经有很好的表现效果了,最后面的层如果找不到更好的表示效果就需要学习恒等映射,而让网络去学习恒等映射是很困难的。

为了解决网络学习恒等映射困难的问题,作者就想,既然学习恒等映射困难,我们就让网络学习 $f(x)=0$ 这个映射。也就引出了参差学习块。

20200221174711860.png|400
正常网络的输入是 x ,输出是 f (x),如果我们要学习恒等映射,也就是让网络的部分学会 f (x)=x,即图中 f (x) 的部分学会一个 f (x) = x 的映射关系,但是我们说直接让网络去学习恒等映射很困难,怎么办?

假设网络的输出是 h (x),那么不加 shortcut connection 的网络的输出就是 h (x)=f (x)=x,为了让网络更好拟合恒等映射,我们让 h (x)=f (x)+x,那么我们看网络要学习的映射 f (x),就变为了 f (x)=h (x)−x,这时我们发现,如果直接让 f (x)=0,那么 h (x)=x,也就是说我们让网络输出的结果和恒等映射相同,而网络只学习了 f (x)=0 这个映射,这个映射要比 f (x)=x 恒等映射更好学习,即模型会更好训练,而不受深层的影响,因为深层中多余的层我们可以都学恒等映射,最起码结果不会比浅层的结果差。然而实验结果表明,加上 shortcut connection 的深层网络比不加 shortcut connection 的浅层网络效果还好,这也就说明了深层网络所能提取的信息更高,抽象能力更强。

2. 恒等快捷映射和投影快捷映射

当 shortcut 的输入通道数和输出通道数相同时,我们可以使用恒等映射即 $f (x)=x$,也就是将 shortcut 的输出直接加上输入即可(恒等快捷映射)。
但是,当 shortcut connection 的输入不等于输出的时候怎么办?(两种方法)

① 将输入数据扩充维度,多余的维度的数据用 0 填充。
② 使用 1 x 1 的卷积扩充维度(投影快捷映射)

我们实际上有三种方式组合:
① 零填充快捷连接用来增加维度,所有的快捷连接是没有参数的。
② 投影快捷连接用来增加维度,其它的快捷连接是恒等的。
③ 所有的快捷连接都是投影。
以上三种情况都比没有加 shortcut connection 的好,效果 ③ > ② > ①,但是 ③ 的计算量太大,提升的效果也不大,所以我们一般不用,我们一般用的最多的是 ②。

投影快捷映射:

  • 当输入和输出的维度不匹配时,使用一个额外的卷积层来进行维度匹配。
  • 可以用于解决深度残差网络中的维度不匹配问题,从而提高网络的性能。
  • 在 ResNet 中,投影快捷映射是指使用一个 1 x 1 的卷积层来进行维度匹配。

3. Deeper Bottleneck Architectures

image.png

先用 1 x 1 降维,3 x 3 进行卷积,再用 1 x 1 进行升维。
事实上,deeper 左边这种结构也能获得很好的效果。那么为什么要用右边这种结构呢? 主要是源自于practical,因为左边这种结构在训练时间上要比右边结构长的多

当换成上图右边这种 Bottleneck 结构的时候,可以发现 152 层的 ResNet 竟然比 VGG 16/19 都要少的复杂度


深度学习论文阅读总结
https://alleyf.github.io/2023/03/25848e23b2aa.html
作者
alleyf
发布于
2023年3月17日
更新于
2023年10月5日
许可协议