ResNeXt - Aggregated Residual Transformations for Deep Neural Networks

本文主要是介绍ResNeXt - Aggregated Residual Transformations for Deep Neural Networks，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

《Aggregated Residual Transformations for Deep Neural Networks》是Saining Xie等人于2016年公开在arXiv上：
https://arxiv.org/pdf/1611.05431.pdf

创新点
1.在传统Resnet基础上采用group convolution，在不增加参数量的前提下，获得更强的representation能力

命名
本文提出了Resnet的改进网络——ResNeXt，之所以命名为ResNeXt，是因为提出了一个新的参数——Cardinality，作者认为Cardinality是从另外一个维度衡量网络模型，所以命名为ResNeXt (suggesting the next dimension)

一、Introduction

图像识别任务从以往的“搞基”（特征工程）转向设计新的网络模型以获得更好的representation。设计网络有太多超参数，如（width，filter-size, strides等）。VGG这样采用了一个简单的策略，很奏效，即：stacking building blocks of the same shape，也就是重复的使用相同的block。作者认为，这个策略可以减少网络的over-adapting. Inception系列的优点在于精心设计网络的拓扑结构，最重要的特点在于 split-transform-merge 思想。

split-transform-merge操作的优点： The split-transform-merge behavior of Inception modules is expected to approach the representational power of large and dense layers, but at a considerably lower computational complexity。

二、Related work

蜻蜓点水般的介绍了一些关于Multi-branch convolutional networks ；Grouped convolutions；Compressing convolutional networks. Ensembling.的工作，我认为最重要的是这一句：

But we argue that it is imprecise to view our method as ensembling, because the members to be aggregated are trained jointly, not independently.
（大家自行体会~~哈哈）

三、Method

3.1 template
借鉴VGG和Resnet，设计block遵循以下两个规则：
第一是：若block输出的空间尺寸一样，则这些block拥有相同的超参数（width和filter size），也就是卷积核大小一样，卷积核个数一样

第二是：每当feature map分辨率缩减一半，通道数增一倍。这个规则保证了每个block的计算复杂度几乎一致！

3.2 Revisiting Simple Neurons

作者采用单个神经元的计算模型来分析 splitting, transforming, and aggregating.
如下图所示，一个神经元的输入为X，X是一个D维的向量，神经元的输出为X与权值W的内积，即： $\sum _{i=1}^{C}w_{i}x_{i}$
这里写图片描述

一个神经元的操作就可以分为(1) splitting (2)transforming (3) aggregating
(1) splitting: 输入X被分为了D个部分
(2) transforming: 对于被划分的部分进行缩放，也就是用wi与之相乘
(3) aggregating: 最后把所有结果再聚集（相加）起来，得到最终输出: $\sum _{i=1}^{C}w_{i}x_{i}$

3.3 Aggregated Transformations

介绍了单个神经元的 splitting-transforming-aggregating，就要进行拓展了~

首先一个输入X进行splitting成C份；splitting之后对其进行transforming，这里采用Ti(x
)来表示；最后求和，即aggregating。具体公式如下： $F(x)=\sum _{i=1}^{C}T_{i}(x)$

这里的C就表示Cardinality ,Cardinality 意思是 the size of the set of transformations，是针对ResNeXt这类网络的一个参数，该参数可理解为分组的组数，如本文实验C=32

公式 $F(x)=\sum _{i=1}^{C}T_{i}(x)$ 就表达了splitting-transforming-aggregating操作，则ResneXt的一个block的输出为： $y=x+\sum _{i=1}^{32}T_{i}(x)$ ，block示意图如下图所示：
这里写图片描述

第一项x表示 identity mapping，即最右边那条线；剩下的就是对x进行splitting-transforming-aggregating 操作了。这里C=32，所以是32项相加。

上图所示ResneXt的一个block还是太“臃肿”，其实可以更简洁一些，如下图所示，最终可以变化成下图(c)
这里写图片描述

先看图(a)，第一行32个（256,1*1,4）表示splitting操作；第二行32个（4,3*3,4）表示transforming；

第三行以及那个＋号，表示aggregating；

图(b)是将 aggregating给整合了，先将transforming得到的feature map进行concatenate，然后用（128,1*1,256）的操作进行输出；

图(c)在图(b)的基础上，进一步“简化”，将splitting操作放到了transforming里边，这样就可以用一个(256,1*1,128)对输入进行splitting的准备，经过图(c)第一行(256,1*1,128)之后获得128个feature map，再通过group convolution的操作实现spliiting，共32个group，每个group对4个feature map进行操作；

这篇关于ResNeXt - Aggregated Residual Transformations for Deep Neural Networks的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！