重磅干货，第一时间送达
本文主要是针对Representational Bottleneck问题进行的研究，并提出了一套可以显著改善模型性能的设计原则。仅仅对Baseline网络进行微小的改变，可以在ImageNet分类、COCO检测以及迁移学习上实现显著的性能提升。
1 简介
本文主要是针对Representational Bottleneck问题进行的讨论，并提出了一套可以显著改善模型性能的设计原则。本文中作者认为在传统网络的设计的中可能会存在Representational Bottleneck问题，并且该问题会导致模型性能的降低。
为了研究Representational Bottleneck问题，本文作者研究了由上万个随机网络产生的特征矩阵的秩。为了设计更精确的网络结构，作者进一步研究了整个层的Channel配置。并在此基础上提出了简单而有效的设计原则来缓解Representational Bottleneck问题。
通过遵循这一原则对Baseline网络进行微小的改变，可以在ImageNet分类上实现显著的性能改进。此外，在COCO目标检测结果和迁移学习结果的改善也为该方法用来解决Representational Bottleneck问题和提高性能提供了依据。
本文主要贡献
-
通过数学和实验研究探讨网络中出现的Representational Bottleneck问题； -
提出了用于改进网络架构的新设计原则； -
在ImageNet数据集上取得了SOTA结果，在COCO检测和4种不同的细粒度分类上取得了显著的迁移学习结果。
2 表征瓶颈
2.1 特征编码
给定一个深度为L层的网络，通过 维的输入 可以得到 个被编码为的特征，其中 为权重。
这里称 的层为 层，称 的层为 层。 为第 个点出的非线性函数，比如带有BN层的ReLU层，每个fi(·)表示第i个点非线性，如带有批归一化(BN)层的ReLU， 为Softmax函数。
当训练模型的时候，每一次反向传播都会通过输入 得到的输出 与Label矩阵（ ）之间的Gap来进行权重更新。
因此，这便意味着Gap的大小可能会直接影响特征的编码效果。这里对CNN的公式做略微的改动为；式中 和 分别为卷积运算和第 个卷积层核的权值。用传统的 重新排序来重写每个卷积，其中 和 重新排序的特征，这里将第 个特征写成:
2.2 表征瓶颈与特征矩阵的秩
回顾Softmax bottleneck
这里讨论一下Softmax bottleneck，也是Representational bottleneck的一种，发生在Softmax层，以形式化表征性瓶颈。
由2.1所提的卷积公式可知，交叉熵损失的输出为 ，其秩以 的秩为界，即 。由于输入维度 小于输出维度 ，编码后的特征由于秩不足而不能完全表征所有类别。这解释了Softmax层的一个Softmax bottleneck实例。
为了解决这一问题，相关工作表明，通过引入非线性函数来缓解Softmax层的秩不足，性能得到了很大的改善。
此外，如果将 增加到更接近 ，它会成为另一种解决Representational bottleneck的解决方案吗?
通过layer-wise rank expansion来减少Representational bottleneck
这里从为ImageNet分类任务而设计的网络说起。网络被设计成有多个下采样块的模型，同时留下其他层具有相同的输出和输入通道大小。作者推测，扩展channel大小的层(即 层)，如下采样块，将有秩不足，并可能有Representational bottleneck。
而本文作者的目标是通过扩大权重矩阵 的秩来缓解中间层的Representational bottleneck问题。
给定某一层生成的第 个特征， 的阈值为 (这里假设 )。这里 ，其中 表示与另一个函数 的点乘。在满足不等式的条件下，特征 的秩范围为：
因此，可以得出结论，秩范围可以通过增加
的秩和用适当的用具有更大秩的函数
来替换展开，如使用swish或ELU激活函数，这与前面提到的非线性的解决方法类似。
当 固定时，如果将特征维数 调整到接近 ，则上式可以使得秩可以无限接近到特征维数。对于一个由连续的1×1,3×3,1×1卷积组成的bottleneck块，通过考虑bottleneck块的输入和输出通道大小，用上式同样可以展开秩的范围。
2.3 实证研究
Layer-level秩分析
为了进行Layer-level秩分析，作者生成一组由单一层组成的随机网络： 其中， 随机采样， 则按比例进行调整。
特征归一化后的秩
是由每个网络产生。为了研究
而广泛使用了非线性函数。对于每种标准化Channel大小，作者以通道比例
在
之间和每个非线性进行10,000个网络的重复实验。图1a和1b中的标准化秩的展示。
通道配置研究
现在考虑如何设计一个分配整个层的通道大小的网络。随机生成具有expand层(即 )的L-depth网络，以及使用少量的condense层的设计原则使得 ，这里使用少量的condense层是因为condense层直接降低了模型容量。在这里作者将expand层数从0改变为 ，并随机生成网络。
例如，一个expand层数为0的网络，所有层的通道大小都相同(除了stem层的通道大小)。作者对每个随机生成的10,000个网络重复实验，并对归一化秩求平均值。结果如图1c和1d所示。
此外，还测试了采样网络的实际性能，每个配置有不同数量的expand层，有5个bottleneck，stem通道大小为32。在CIFAR100数据集上训练网络，并在表1中给出了5个网络的平均准确率。
观察结果
从图1a和图1b中可以看到，选择恰当的非线性函数与线性情况相比，可以在很大程度上扩大秩。
其次，无论是单层(图1a)还是bottleneck块(图1b)情况下，归一化的输入通道大小 都与特征的秩密切相关。
对于整个层的Channel配置，图1c和1d表明，在网络深度固定的情况下，可以使用更多的expand层来扩展秩。
这里给出了扩展给定网络秩的设计原则:
-
在一层上扩展输入信道大小 ; -
找到一个合适的非线性映射; -
一个网络应该设计多个expand层。
3 改善网络结构
3.1 表征瓶颈发生在哪里?
在网络中哪一层可能出现表征瓶颈呢？所有流行的深度网络都有类似的架构，有许多扩展层将图像输入的通道从3通道输入扩展到c通道然后输出预测。
首先，对块或层进行下采样就像展开层一样。其次，瓶颈模块和反向瓶颈块中的第一层也是一个扩展层。最后，还存在大量扩展输出通道大小的倒数第2层。
本文作者认为：表征瓶颈将发生在这些扩展层和倒数第2层。
3.2 网络设计
中间卷积层
本文作者首先考虑了MobileNetV1。依次对接近倒数第2层的卷积做同样的修改。通过：
-
扩大卷积层的输入通道大小； -
替换ReLU6s来细化每一层。
作者在MobileNetV1中做了类似MobileNetV2地更新。所有从末端到第1个的反向瓶颈都按照相同的原理依次修改。
在ResNet及其变体中，每个瓶颈块在第3个卷积层之后不存在非线性，所以扩展输入通道大小是唯一的补救办法。
倒数第2个层
很多网络架构在倒数第2层有一个输出通道尺寸较大的卷积层。这是为了防止最终分类器的表征瓶颈，但是倒数第2层仍然受到这个问题的困扰。于是作者扩大了倒数第2层的输入通道大小，并替换了ReLU6。
ReXNets
作者在这里根据前面所说的规则设计了自己的模型，称为秩扩展网络(ReXNets)。其中ReXNet-plain和ReXNet分别在MobileNetV1和MobileNetV2上进行了更新。
这里设计模型是一个实例，它显示了代表性瓶颈的减少是如何影响整体性能的，这将在实验部分中显示。为了进行公平的比较，这里的通道配置设计大致能满足Baseline的整体参数和flops，如果通过适当的参数搜索方法，如NAS方法，还可以找到更好的网络结构。
PyTorch实现如下：
import torch
import torch.nn as nn
from math import ceil
# Memory-efficient Siwsh using torch.jit.script borrowed from the code in (https://twitter.com/jeremyphoward/status/1188251041835315200)
# Currently use memory-efficient Swish as default:
USE_MEMORY_EFFICIENT_SWISH = True
if USE_MEMORY_EFFICIENT_SWISH:
@torch.jit.script
def swish_fwd(x):
return x.mul(torch.sigmoid(x))
@torch.jit.script
def swish_bwd(x, grad_output):
x_sigmoid = torch.sigmoid(x)
return grad_output * (x_sigmoid * (1. + x * (1. - x_sigmoid)))
class SwishJitImplementation(torch.autograd.Function):
@staticmethod
def forward(ctx, x):
ctx.save_for_backward(x)
return swish_fwd(x)
@staticmethod
def backward(ctx, grad_output):
x = ctx.saved_tensors[0]
return swish_bwd(x, grad_output)
def swish(x, inplace=False):
return SwishJitImplementation.apply(x)
else:
def swish(x, inplace=False):
return x.mul_(x.sigmoid()) if inplace else x.mul(x.sigmoid())
class Swish(nn.Module):
def __init__(self, inplace=True):
super(Swish, self).__init__()
self.inplace = inplace
def forward(self, x):
return swish(x, self.inplace)
def ConvBNAct(out, in_channels, channels, kernel=1, stride=1, pad=0,
num_group=1, active=True, relu6=False):
out.append(nn.Conv2d(in_channels, channels, kernel,
stride, pad, groups=num_group, bias=False))
out.append(nn.BatchNorm2d(channels))
if active:
out.append(nn.ReLU6(inplace=True) if relu6 else nn.ReLU(inplace=True))
def ConvBNSwish(out, in_channels, channels, kernel=1, stride=1, pad=0, num_group=1):
out.append(nn.Conv2d(in_channels, channels, kernel,
stride, pad, groups=num_group, bias=False))
out.append(nn.BatchNorm2d(channels))
out.append(Swish())
class SE(nn.Module):
def __init__(self, in_channels, channels, se_ratio=12):
super(SE, self).__init__()
self.avg_pool = nn.AdaptiveAvgPool2d(1)
self.fc = nn.Sequential(
nn.Conv2d(in_channels, channels // se_ratio, kernel_size=1, padding=0),
nn.BatchNorm2d(channels // se_ratio),
nn.ReLU(inplace=True),
nn.Conv2d(channels // se_ratio, channels, kernel_size=1, padding=0),
nn.Sigmoid()
)
def forward(self, x):
y = self.avg_pool(x)
y = self.fc(y)
return x * y
class LinearBottleneck(nn.Module):
def __init__(self, in_channels, channels, t, stride, use_se=True, se_ratio=12,
**kwargs):
super(LinearBottleneck, self).__init__(**kwargs)
self.use_shortcut = stride == 1 and in_channels <= channels
self.in_channels = in_channels
self.out_channels = channels
out = []
if t != 1:
dw_channels = in_channels * t
ConvBNSwish(out, in_channels=in_channels, channels=dw_channels)
else:
dw_channels = in_channels
ConvBNAct(out, in_channels=dw_channels, channels=dw_channels, kernel=3, stride=stride, pad=1,
num_group=dw_channels, active=False)
if use_se:
out.append(SE(dw_channels, dw_channels, se_ratio))
out.append(nn.ReLU6())
ConvBNAct(out, in_channels=dw_channels, channels=channels, active=False, relu6=True)
self.out = nn.Sequential(*out)
def forward(self, x):
out = self.out(x)
if self.use_shortcut:
out[:, 0:self.in_channels] += x
return out
class ReXNetV1(nn.Module):
def __init__(self, input_ch=16, final_ch=180, width_mult=1.0, depth_mult=1.0, classes=1000,
use_se=True,
se_ratio=12,
dropout_ratio=0.2,
bn_momentum=0.9):
super(ReXNetV1, self).__init__()
layers = [1, 2, 2, 3, 3, 5]
strides = [1, 2, 2, 2, 1, 2]
use_ses = [False, False, True, True, True, True]
layers = [ceil(element * depth_mult) for element in layers]
strides = sum([[element] + [1] * (layers[idx] - 1)
for idx, element in enumerate(strides)], [])
if use_se:
use_ses = sum([[element] * layers[idx] for idx, element in enumerate(use_ses)], [])
else:
use_ses = [False] * sum(layers[:])
ts = [1] * layers[0] + [6] * sum(layers[1:])
self.depth = sum(layers[:]) * 3
stem_channel = 32 / width_mult if width_mult < 1.0 else 32
inplanes = input_ch / width_mult if width_mult < 1.0 else input_ch
features = []
in_channels_group = []
channels_group = []
# The following channel configuration is a simple instance to make each layer become an expand layer.
for i in range(self.depth // 3):
if i == 0:
in_channels_group.append(int(round(stem_channel * width_mult)))
channels_group.append(int(round(inplanes * width_mult)))
else:
in_channels_group.append(int(round(inplanes * width_mult)))
inplanes += final_ch / (self.depth // 3 * 1.0)
channels_group.append(int(round(inplanes * width_mult)))
ConvBNSwish(features, 3, int(round(stem_channel * width_mult)), kernel=3, stride=2, pad=1)
for block_idx, (in_c, c, t, s, se) in enumerate(zip(in_channels_group, channels_group, ts, strides, use_ses)):
features.append(LinearBottleneck(in_channels=in_c,
channels=c,
t=t,
stride=s,
use_se=se, se_ratio=se_ratio))
pen_channels = int(1280 * width_mult)
ConvBNSwish(features, c, pen_channels)
features.append(nn.AdaptiveAvgPool2d(1))
self.features = nn.Sequential(*features)
self.output = nn.Sequential(
nn.Dropout(dropout_ratio),
nn.Conv2d(pen_channels, classes, 1, bias=True))
def forward(self, x):
x = self.features(x)
x = self.output(x).squeeze()
return x
4. 实验
4.1 分类实验
其实透过上表一斤可以看出该方法的优越性了，仅仅是MobileNet的FLOPs和参数两就已经达到甚至超越了ResNet50的水平。
ReXNets的性能更是超越了EfficientNets
4.2 检测实验
可以看出ReXNet-1.3x+SSDLite仅仅用来十分之一的FLOPs和参数量就可以达到SSD的检测水平。在远低于yolos tiny系列的FLOPs和参数量的情况下更是玩爆yolo-v3-tiny、yolo-v4-tiny直逼yolo-v5s。
4.3 迁移学习
就不比比那么多啦，就是好就对了，很香，很快，很好用！！！
5 参考
[1].ReXNet: Diminishing Representational Bottleneck on Convolutional Neural Network
[2].https://github.com/clovaai/rexnet/blob/master/rexnetv1.py
个人微信（如果没有备注不拉群！）
请注明：
地区+学校/企业+研究方向+暱称
![]()
下载1：何恺明顶会分享
在「AI算法与图像处理」公众号后台回复：何恺明，即可下载。总共有6份PDF，涉及 ResNet、Mask RCNN等经典工作的总结分析
下载2：终身受益的编程指南：Google编程风格指南
在「AI算法与图像处理」公众号后台回复：c++，即可下载。历经十年考验，最权威的编程规范！
下载3 CVPR2021
在「AI算法与图像处理」公众号后台回复：
CVPR
，即可下载1467篇CVPR 2020论文 和 CVPR 2021 最新论文
点亮 
，告诉大家你也在看
本文分享自微信公众号 - AI算法与图像处理（AI_study）。
如有侵权，请联系 [email protected] 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。