Aggregated Residual Transformations for DeepNeural Networks -ResNetXt2017【论文理解】

文章目录

前言
重新思考神经元
思考inception结构设计
新的blocks设计
网络结构与性能
参考

前言

这是残差家族的新的成员，在残差网络结构的设计中加入了“基数Cardinality”的概念，本质上就是分组卷积group convolution的运用，分组卷积最早的提出是在AlexNet中，是为了解决显存不够大的问题而提出的。具有相同网络拓扑结构的模块堆叠而成，在ImageNet分类中性能上优于ResNet-101/152[1],ResNet200 [2], Inception-v3 [3]以及 Inception-ResNet-v2 [4] 。并且搭建简单，不像inception网络的每一个模块都是经过了精心的设计，经过精心设计的模块可能并不适应于新的数据集。
因为是分类网络，所以直接看分类的效果：

在数据集 ImageNet-1K上效果明显优于网络层数相同时的ResNet。

重新思考神经元

人工神经网络中最简单的神经元执行内积(加权和)，即由完全连通和卷积层完成的初等变换。公式如下，∑i=1Dwixi，\sum_{i=1}^{D}{w_ix_i}，i=1∑Dwixi，此时x=[x1,x2,x3.....xD]x = [x_1,x_2,x_3.....x_D]x=[x1,x2,x3.....xD]为D通道的输入数据，wiw_iwi是卷积核对第i个输入通道的权重，如下图所示：
而这种形式就可以简单拆分成 分割、转换、聚合的三元操作：分割：数据以xix_ixi为单一的低纬度进行拆分，总共有D个；转换：对单一的某一通道进行wiw_iwi的内积，对数据进行变换；聚合：最后对所有的D个转换结果进行聚合，即∑i=1D\sum_{i=1}^{D}∑i=1D。

思考inception结构设计

其实inception model的结构设计也是一种 分割、转换、聚合的三元操作。使用1∗11*11∗1的卷积进行低纬度的分解，再对每一个维度进行3∗33*33∗3或者是5∗55*55∗5的转换操作最后使用concat进行聚合操作。尽管这些组件的仔细组合产生了优秀的神经网络方案，但是通常不清楚如何使先启架构适应新的数据集/任务，特别是当有许多因素和超参数需要设计时。

新的blocks设计

可以结合分割、转换、聚合的三元操作进残差模块之中，如下图所示，右边为原始的ResNet模块，左边为分解为32个简单通道再进行转换操作：

基数cardinality可以任意控制转换的复杂度，而左边的网络结构形式有如下三种等效的形式

最终使用的是左边的©使用组合卷积达到相同的结果。
新的网络101层的ResNetXt能够达到ResNet-200 的准确率，但是只有其复杂度的一半。

网络结构与性能

参考

[1] K. He, X. Zhang, S. Ren, and J. Sun. Deep residual learning for image recognition. In CVPR, 2016.
[2] K. He, X. Zhang, S. Ren, and J. Sun. Identity mappings in deep residual networks. In ECCV, 2016.
[3] C. Szegedy, V. Vanhoucke, S. Ioffe, J. Shlens, and Z. Wojna. Rethinking the inception architecture for computer vision. In CVPR, 2016.
[4] C. Szegedy, S. Ioffe, and V. Vanhoucke. Inceptionv4, inception-resnet and the impact of residual connections on learning. In ICLR Workshop, 2016.