0
雷鋒網(wǎng)按：本文作者Professor ho，原文載于其知乎主頁，雷鋒網(wǎng)獲其授權(quán)發(fā)布。
從2012年的AlexNet發(fā)展至今，科學(xué)家們發(fā)明出各種各樣的CNN模型，一個比一個深，一個比一個準(zhǔn)確，一個比一個輕量。我下面會對近幾年一些具有變革性的工作進(jìn)行簡單盤點，從這些充滿革新性的工作中探討日后的CNN變革方向。
注：水平所限，下面的見解或許有偏差，望大牛指正。另外只介紹其中具有代表性的模型，一些著名的模型由于原理相同將不作介紹，若有遺漏也歡迎指出。
Group convolution 分組卷積，最早在AlexNet中出現(xiàn)，由于當(dāng)時的硬件資源有限，訓(xùn)練AlexNet時卷積操作不能全部放在同一個GPU處理，因此作者把feature maps分給多個GPU分別進(jìn)行處理，最后把多個GPU的結(jié)果進(jìn)行融合。
AlexNet
分組卷積的思想影響比較深遠(yuǎn)，當(dāng)前一些輕量級的SOTA（State Of The Art）網(wǎng)絡(luò)，都用到了分組卷積的操作，以節(jié)省計算量。但題主有個疑問是，如果分組卷積是分在不同GPU上的話，每個GPU的計算量就降低到 1/groups，但如果依然在同一個GPU上計算，最終整體的計算量是否不變？找了pytorch上有關(guān)組卷積操作的介紹，望讀者解答我的疑問。
pytroch github
EDIT：
關(guān)于這個問題，知乎用戶朋友 @蔡冠羽 提出了他的見解：
我感覺group conv本身應(yīng)該就大大減少了參數(shù)，比如當(dāng)input channel為256，output channel也為256，kernel size為3*3，不做group conv參數(shù)為256*3*3*256，若group為8，每個group的input channel和output channel均為32，參數(shù)為8*32*3*3*32，是原來的八分之一。這是我的理解。
我的理解是分組卷積最后每一組輸出的feature maps應(yīng)該是以concatenate的方式組合，而不是element-wise add，所以每組輸出的channel是 input channels / #groups，這樣參數(shù)量就大大減少了。
AlexNet中用到了一些非常大的卷積核，比如11×11、5×5卷積核，之前人們的觀念是，卷積核越大，receptive field（感受野）越大，看到的圖片信息越多，因此獲得的特征越好。雖說如此，但是大的卷積核會導(dǎo)致計算量的暴增，不利于模型深度的增加，計算性能也會降低。于是在VGG（最早使用）、Inception網(wǎng)絡(luò)中，利用2個3×3卷積核的組合比1個5×5卷積核的效果更佳，同時參數(shù)量（3×3×2+1 VS 5×5×1+1）被降低，因此后來3×3卷積核被廣泛應(yīng)用在各種模型中。
傳統(tǒng)的層疊式網(wǎng)絡(luò)，基本上都是一個個卷積層的堆疊，每層只用一個尺寸的卷積核，例如VGG結(jié)構(gòu)中使用了大量的3×3卷積層。事實上，同一層feature map可以分別使用多個不同尺寸的卷積核，以獲得不同尺度的特征，再把這些特征結(jié)合起來，得到的特征往往比使用單一卷積核的要好，谷歌的GoogLeNet，或者說Inception系列的網(wǎng)絡(luò)，就使用了多個卷積核的結(jié)構(gòu)：
最初版本的Inception結(jié)構(gòu)
如上圖所示，一個輸入的feature map分別同時經(jīng)過1×1、3×3、5×5的卷積核的處理，得出的特征再組合起來，獲得更佳的特征。但這個結(jié)構(gòu)會存在一個嚴(yán)重的問題：參數(shù)量比單個卷積核要多很多，如此龐大的計算量會使得模型效率低下。這就引出了一個新的結(jié)構(gòu)：
發(fā)明GoogleNet的團隊發(fā)現(xiàn)，如果僅僅引入多個尺寸的卷積核，會帶來大量的額外的參數(shù)，受到Network In Network中1×1卷積核的啟發(fā)，為了解決這個問題，他們往Inception結(jié)構(gòu)中加入了一些1×1的卷積核，如圖所示：
加入1×1卷積核的Inception結(jié)構(gòu)
根據(jù)上圖，我們來做個對比計算，假設(shè)輸入feature map的維度為256維，要求輸出維度也是256維。有以下兩種操作：
256維的輸入直接經(jīng)過一個3×3×256的卷積層，輸出一個256維的feature map，那么參數(shù)量為：256×3×3×256 = 589,824
256維的輸入先經(jīng)過一個1×1×64的卷積層，再經(jīng)過一個3×3×64的卷積層，最后經(jīng)過一個1×1×256的卷積層，輸出256維，參數(shù)量為：256×1×1×64 + 64×3×3×64 + 64×1×1×256 = 69,632。足足把第一種操作的參數(shù)量降低到九分之一！
1×1卷積核也被認(rèn)為是影響深遠(yuǎn)的操作，往后大型的網(wǎng)絡(luò)為了降低參數(shù)量都會應(yīng)用上1×1卷積核。
ResNet skip connection
傳統(tǒng)的卷積層層疊網(wǎng)絡(luò)會遇到一個問題，當(dāng)層數(shù)加深時，網(wǎng)絡(luò)的表現(xiàn)越來越差，很大程度上的原因是因為當(dāng)層數(shù)加深時，梯度消散得越來越嚴(yán)重，以至于反向傳播很難訓(xùn)練到淺層的網(wǎng)絡(luò)。為了解決這個問題，何凱明大神想出了一個“殘差網(wǎng)絡(luò)”，使得梯度更容易地流動到淺層的網(wǎng)絡(luò)當(dāng)中去，而且這種“skip connection”能帶來更多的好處，這里可以參考一個PPT：極深網(wǎng)絡(luò)（ResNet/DenseNet）: Skip Connection為何有效及其它 ，以及我的一篇文章：為什么ResNet和DenseNet可以這么深？一文詳解殘差塊為何能解決梯度彌散問題。 大家可以結(jié)合下面的評論進(jìn)行思考。
標(biāo)準(zhǔn)的卷積過程可以看上圖，一個2×2的卷積核在卷積時，對應(yīng)圖像區(qū)域中的所有通道均被同時考慮，問題在于，為什么一定要同時考慮圖像區(qū)域和通道？我們?yōu)槭裁床荒馨淹ǖ篮涂臻g區(qū)域分開考慮？
Xception網(wǎng)絡(luò)就是基于以上的問題發(fā)明而來。我們首先對每一個通道進(jìn)行各自的卷積操作，有多少個通道就有多少個過濾器。得到新的通道feature maps之后，這時再對這批新的通道feature maps進(jìn)行標(biāo)準(zhǔn)的1×1跨通道卷積操作。這種操作被稱為 “DepthWise convolution” ，縮寫“DW”。
這種操作是相當(dāng)有效的，在imagenet 1000類分類任務(wù)中已經(jīng)超過了InceptionV3的表現(xiàn)，而且也同時減少了大量的參數(shù)，我們來算一算，假設(shè)輸入通道數(shù)為3，要求輸出通道數(shù)為256，兩種做法：
1.直接接一個3×3×256的卷積核，參數(shù)量為：3×3×3×256 = 6,912
2.DW操作，分兩步完成，參數(shù)量為：3×3×3 + 3×1×1×256 = 795，又把參數(shù)量降低到九分之一！
因此，一個depthwise操作比標(biāo)準(zhǔn)的卷積操作降低不少的參數(shù)量，同時論文中指出這個模型得到了更好的分類效果。
EDIT：2017.08.25
本文在發(fā)出12小時后，一位知乎用戶私信了我，向我介紹了Depthwise和Pointwise的歷史工作，而Xception和Mobilenet也引用了他們16年的工作，就是Min Wang et al 的Factorized Convolutional Neural Networks，這篇論文的Depthwise中，每一通道輸出的feature map（稱為“基層”）可以不止一個，而Xception中的Depthwise separable Convolution， 正是這篇工作中“單一基層”的情況。推薦有興趣的讀者關(guān)注下他們的工作，這里有篇介紹博文：【深度學(xué)習(xí)】卷積層提速Factorized Convolutional Neural Networks。而最早關(guān)于separable convolution的介紹，Xception作者提到，應(yīng)該追溯到Lau- rent Sifre 2014年的工作 Rigid-Motion Scattering For Image Classification 6.2章節(jié)。
在AlexNet的Group Convolution當(dāng)中，特征的通道被平均分到不同組里面，最后再通過兩個全連接層來融合特征，這樣一來，就只能在最后時刻才融合不同組之間的特征，對模型的泛化性是相當(dāng)不利的。為了解決這個問題，ShuffleNet在每一次層疊這種Group conv層前，都進(jìn)行一次channel shuffle，shuffle過的通道被分配到不同組當(dāng)中。進(jìn)行完一次group conv之后，再一次channel shuffle，然后分到下一層組卷積當(dāng)中，以此循環(huán)。
來自ShuffleNet論文
經(jīng)過channel shuffle之后，Group conv輸出的特征能考慮到更多通道，輸出的特征自然代表性就更高。另外，AlexNet的分組卷積，實際上是標(biāo)準(zhǔn)卷積操作，而在ShuffleNet里面的分組卷積操作是depthwise卷積，因此結(jié)合了通道洗牌和分組depthwise卷積的ShuffleNet，能得到超少量的參數(shù)以及超越mobilenet、媲美AlexNet的準(zhǔn)確率！
另外值得一提的是，微軟亞洲研究院MSRA最近也有類似的工作，他們提出了一個IGC單元（Interleaved Group Convolution），即通用卷積神經(jīng)網(wǎng)絡(luò)交錯組卷積，形式上類似進(jìn)行了兩次組卷積，Xception 模塊可以看作交錯組卷積的一個特例，特別推薦看看這篇文章：王井東詳解ICCV 2017入選論文：通用卷積神經(jīng)網(wǎng)絡(luò)交錯組卷積
要注意的是，Group conv是一種channel分組的方式，Depthwise +Pointwise是卷積的方式，只是ShuffleNet里面把兩者應(yīng)用起來了。因此Group conv和Depthwise +Pointwise并不能劃等號。
無論是在Inception、DenseNet或者ShuffleNet里面，我們對所有通道產(chǎn)生的特征都是不分權(quán)重直接結(jié)合的，那為什么要認(rèn)為所有通道的特征對模型的作用就是相等的呢？ 這是一個好問題，于是，ImageNet2017 冠軍SEnet就出來了。
SEnet 結(jié)構(gòu)
一組特征在上一層被輸出，這時候分兩條路線，第一條直接通過，第二條首先進(jìn)行Squeeze操作（Global Average Pooling），把每個通道2維的特征壓縮成一個1維，從而得到一個特征通道向量（每個數(shù)字代表對應(yīng)通道的特征）。然后進(jìn)行Excitation操作，把這一列特征通道向量輸入兩個全連接層和sigmoid，建模出特征通道間的相關(guān)性，得到的輸出其實就是每個通道對應(yīng)的權(quán)重，把這些權(quán)重通過Scale乘法通道加權(quán)到原來的特征上（第一條路），這樣就完成了特征通道的權(quán)重分配。作者詳細(xì)解釋可以看這篇文章：專欄 | Momenta詳解ImageNet 2017奪冠架構(gòu)SENet
標(biāo)準(zhǔn)的3×3卷積核只能看到對應(yīng)區(qū)域3×3的大小，但是為了能讓卷積核看到更大的范圍，dilated conv使其成為了可能。dilated conv原論文中的結(jié)構(gòu)如圖所示：
上圖b可以理解為卷積核大小依然是3×3，但是每個卷積點之間有1個空洞，也就是在綠色7×7區(qū)域里面，只有9個紅色點位置作了卷積處理，其余點權(quán)重為0。這樣即使卷積核大小不變，但它看到的區(qū)域變得更大了。詳細(xì)解釋可以看這個回答：如何理解空洞卷積（dilated convolution）？
圖來自微軟亞洲研究院公眾號
傳統(tǒng)的卷積核一般都是長方形或正方形，但MSRA提出了一個相當(dāng)反直覺的見解，認(rèn)為卷積核的形狀可以是變化的，變形的卷積核能讓它只看感興趣的圖像區(qū)域 ，這樣識別出來的特征更佳。
圖來自微軟亞洲研究院公眾號。要做到這個操作，可以直接在原來的過濾器前面再加一層過濾器，這層過濾器學(xué)習(xí)的是下一層卷積核的位置偏移量（offset），這樣只是增加了一層過濾器，或者直接把原網(wǎng)絡(luò)中的某一層過濾器當(dāng)成學(xué)習(xí)offset的過濾器，這樣實際增加的計算量是相當(dāng)少的，但能實現(xiàn)可變形卷積核，識別特征的效果更好。詳細(xì)MSRA的解讀可以看這個鏈接：可變形卷積網(wǎng)絡(luò)：計算機新“視”界。
現(xiàn)在越來越多的CNN模型從巨型網(wǎng)絡(luò)到輕量化網(wǎng)絡(luò)一步步演變，模型準(zhǔn)確率也越來越高?，F(xiàn)在工業(yè)界追求的重點已經(jīng)不是準(zhǔn)確率的提升（因為都已經(jīng)很高了），都聚焦于速度與準(zhǔn)確率的trade off，都希望模型又快又準(zhǔn)。因此從原來AlexNet、VGGnet，到體積小一點的Inception、Resnet系列，到目前能移植到移動端的mobilenet、ShuffleNet（體積能降低到0.5mb！），我們可以看到這樣一些趨勢：
卷積核方面：
大卷積核用多個小卷積核代替；
單一尺寸卷積核用多尺寸卷積核代替；
固定形狀卷積核趨于使用可變形卷積核；
使用1×1卷積核（bottleneck結(jié)構(gòu)）。
卷積層通道方面：
標(biāo)準(zhǔn)卷積用depthwise卷積代替；
使用分組卷積；
分組卷積前使用channel shuffle；
通道加權(quán)計算。
卷積層連接方面：
使用skip connection，讓模型更深；
densely connection，使每一層都融合上其它層的特征輸出（DenseNet）
啟發(fā)
類比到通道加權(quán)操作，卷積層跨層連接能否也進(jìn)行加權(quán)處理？bottleneck + Group conv + channel shuffle + depthwise的結(jié)合會不會成為以后降低參數(shù)量的標(biāo)準(zhǔn)配置？
如果你有更多的想法或意見，歡迎評論留言，好的idea值得交流傳播。另外本人的簡書號是：人工智豪 - 簡書 ，簡書上會發(fā)一些比較技術(shù)性的文章，如GPU降溫等，知乎上會發(fā)比較理論性的見解文章，歡迎關(guān)注。
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
