Learning Dynamic Routing for Semantic Segmentation——在线动态定义网络结构

Paper Link: https://arxiv.org/abs/2003.10401

GitHub (PyTorch): https://github.com/yanwei-li/DynamicRouting

Introduction

• 如何有效应对输入图像中目标尺度的差异与多样性，是语义分割面临的一个难题；
• 传统的解法主要是设计良好的静态网络结构:

1. FCN, U-Net, PSPNet, Conv-Deconv, SegNet等；

• 针对特定场景与目标硬件，也可以通过NAS自动搜索有效的网络结构：

1. Auto-DeepLab等；

• 然而，单一、静态的网络结构，缺乏对真实世界中多样化尺度分布的良好适应能力；
• 本文提出了动态路由方法 (dynamic routing)：

1. 在推理时能够生成数据依赖路径，即网络结构会随着输入的变化而变化，以适应不同的目标尺度分布情况，从而在获得良好语义表征的同时、确保较高的执行效率；
2. 类似于SuperNet、DARTS的结合与延伸，Dynamic Routing将超网络作为主体，根据实时输入数据生成网络结构参数，用于在线、动态地选择网络结构；
3. 具体例子如下：

Dynamic Routing结构

• Dynamic Routing的总体结构如上图所示，具体描述为：

1. Stem Block：包含三个网络层（SepConv3x3），负责1/4降采样；
2. Routing Space：
   1. 包含L个网络层，每层包含若干个cell，支持skip connection与multi-path routes；
   2. 相邻cell之间，降采样率或上采样率=2；
   3. 相比于输入，降采样率最高可达32，因此每个layer的cell数最多为4；
   4. 每个cell的输出，存在三条尺度变换路径，即：
      1. up-sampling：conv1x1+bilinear interpolation；
      2. down-sampling：conv1x1 with stride=2；
      3. keeping resolution；
   5. 在cell内部，会执行特征变换/聚合（feature aggregation）、与尺度变换路径选择操作；

• Routing Process：

1. 输入特征相加：将cell的多尺度输入特征予以相加：

2. Cell操作与特征聚合：
   1. 基本的操作路径包括SepConv、与identity mapping，其中每条SepConv路径由若干SepConv3x3堆叠而成 (实验表示两个SepConv3x3堆叠，效果最好)；
   2. 将不同操作路径的输出予以相加或聚合，获得Hidden state：

3. Soft Conditional Gate：
   1. 每条尺度路径的选择概率，由Gate function生成；Gate function是轻量的、可微分的卷积操作模块：

   2. 归一化的选择概率、或激活因子，由生成，即；其中B表示batch size，数字3表示三条尺度变换路径都有各自的激活因子；
   3. 针对第j 条尺度变换路径 ()，其输出特征可表示为：
      其中表示尺度变换操作 (up-sampling、keeping resolution或down-sampling)；
4. 综上所述，Routing Process可表示为：
   根据data-dependent激活因子的实际取值，能够支持cell drop、multi-path routes等dynamic routing，从而在线生成能够有效应对多样化尺度分布的动态网络结构。而一些经典的分割网络模型，其静态网络结构亦可从routing space抽取表示：

5. 资源预算约束与训练loss：
   1. 考虑到每个操作的计算成本 (比如FLOPS)，基于资源约束的loss function定义如下，其中C表示整个routing space的实际资源开销，表示衰减因子：

   2. 则训练时，结合资源约束的联合loss表示为：

Experiments

• 数据集包括Cityscapes、PASCAL VOC；
• 不同网络结构的对比：

1. 经典静态网络：FCN-32s, U-Net, DeepLabV3, HRNetV2, and Auto-DeepLab；
2. 从routing space采样的静态网络：

3. Dynamic routing，Dynamic-A、B、C的资源约束 (FLOPS)分别为45G、55G、65G；
4. 对比结果：

• Cell操作对比：对比了BottleNeck、MBConv与SepConv，实验结果表明堆叠两个SepConv3x3作为特征变换，效果最好；
• 激活因子生成函数：实验表明效果最好；
• 在Cityscapes、PASCAL VOC上的实验结果：