你必须要知道CNN模型:ResNet
作者:叶 虎
编辑:张 欢
![](/assets/blank.gif)
PART
01 ResNet简介
引言
深度残差网络(Deep residual network, ResNet)的提出是CNN图像史上的一件里程碑事件,让我们先看一下ResNet在ILSVRC和COCO 2015上的战绩:
图1 ResNet在ILSVRC和COCO 2015上的战绩
ResNet取得了5项第一,并又一次刷新了CNN模型在ImageNet上的历史:
图2 ImageNet分类Top-5误差
ResNet的作者何凯明(http://kaiminghe.com/)也因此摘得CVPR2016最佳论文奖,当然何博士的成就远不止于此,感兴趣的可以去搜一下他后来的辉煌战绩。那么ResNet为什么会有如此优异的表现呢?其实ResNet是解决了深度CNN模型难训练的问题,从图2中可以看到14年的VGG才19层,而15年的ResNet多达152层,这在网络深度完全不是一个量级上,所以如果是第一眼看这个图的话,肯定会觉得ResNet是靠深度取胜。事实当然是这样,但是ResNet还有架构上的trick,这才使得网络的深度发挥出作用,这个trick就是残差学习(Residual learning)。下面详细讲述ResNet的理论及实现。
![](/assets/blank.gif)
PART
02 深度网络的退化问题
从经验来看,网络的深度对模型的性能至关重要,当增加网络层数后,网络可以进行更加复杂的特征模式的提取,所以当模型更深时理论上可以取得更好的结果,从图2中也可以看出网络越深而效果越好的一个实践证据。但是更深的网络其性能一定会更好吗?实验发现深度网络出现了退化问题(Degradation problem):网络深度增加时,网络准确度出现饱和,甚至出现下降。这个现象可以在图3中直观看出来:56层的网络比20层网络效果还要差。这不会是过拟合问题,因为56层网络的训练误差同样高。我们知道深层网络存在着梯度消失或者爆炸的问题,这使得深度学习模型很难训练。但是现在已经存在一些技术手段如BatchNorm来缓解这个问题。因此,出现深度网络的退化问题是非常令人诧异的。
图3 20层与56层网络在CIFAR-10上的误差
![](/assets/blank.gif)
PART
03 残差学习
深度网络的退化问题至少说明深度网络不容易训练。但是我们考虑这样一个事实:现在你有一个浅层网络,你想通过向上堆积新层来建立深层网络,一个极端情况是这些增加的层什么也不学习,仅仅复制浅层网络的特征,即这样新层是恒等映射(Identity mapping)。在这种情况下,深层网络应该至少和浅层网络性能一样,也不应该出现退化现象。好吧,你不得不承认肯定是目前的训练方法有问题,才使得深层网络很难去找到一个好的参数。
这个有趣的假设让何博士灵感爆发,他提出了残差学习来解决退化问题。对于一个堆积层结构(几层堆积而成)当输入为时其学习到的特征记为,现在我们希望其可以学习到残差,这样其实原始的学习特征是。之所以这样是因为残差学习相比原始特征直接学习更容易。当残差为0时,此时堆积层仅仅做了恒等映射,至少网络性能不会下降,实际上残差不会为0,这也会使得堆积层在输入特征基础上学习到新的特征,从而拥有更好的性能。残差学习的结构如图4所示。这有点类似与电路中的“短路”,所以是一种短路连接(shortcutconnection)。
图4 残差学习单元
为什么残差学习相对更容易,从直观上看残差学习需要学习的内容少,因为残差一般会比较小,学习难度小点。不过我们可以从数学的角度来分析这个问题,首先残差单元可以表示为:
其中分别表示的是第
个残差单元的输入和输出,注意每个残差单元一般包含多层结构。
是残差函数,表示学习到的残差,而
表示恒等映射,
是ReLU激活函数。基于上式,我们求得从浅层
到深层
的学习特征
利用链式规则,可以求得反向过程的梯度:
式子的第一个因子表示的损失函数到达的梯度,小括号中的1表明短路机制可以无损地传播梯度,而另外一项残差梯度则需要经过带有weights的层,梯度不是直接传递过来的。残差梯度不会那么巧全为-1,而且就算其比较小,有1的存在也不会导致梯度消失。所以残差学习会更容易。要注意上面的推导并不是严格的证明。
![](/assets/blank.gif)
PART
04 Resnet的网络结构
ResNet网络是参考了VGG19网络,在其基础上进行了修改,并通过短路机制加入了残差单元,如图5所示。变化主要体现在ResNet直接使用stride=2的卷积做下采样,并且用global average pool层替换了全连接层。ResNet的一个重要设计原则是:当feature map大小降低一半时,featuremap的数量增加一倍,这保持了网络层的复杂度。从图5中可以看到,ResNet相比普通网络每两层间增加了短路机制,这就形成了残差学习,其中虚线表示featuremap数量发生了改变。图5展示的34-layer的ResNet,还可以构建更深的网络如表1所示。从表中可以看到,对于18-layer和34-layer的ResNet,其进行的两层间的残差学习,当网络更深时,其进行的是三层间的残差学习,三层卷积核分别是1x1,3x3和1x1,一个值得注意的是隐含层的feature map数量是比较小的,并且是输出feature map数量的1/4。
图5 ResNet网络结构图
表1 不同深度的ResNet
下面我们再分析一下残差单元,ResNet使用两种残差单元,如图6所示。左图对应的是浅层网络,而右图对应的是深层网络。对于短路连接,当输入和输出维度一致时,可以直接将输入加到输出上。但是当维度不一致时(对应的是维度增加一倍),这就不能直接相加。有两种策略:(1)采用zero-padding增加维度,此时一般要先做一个downsamp,可以采用strde=2的pooling,这样不会增加参数;(2)采用新的映射(projection shortcut),一般采用1x1的卷积,这样会增加参数,也会增加计算量。短路连接除了直接使用恒等映射,当然都可以采用projection shortcut。
图6 不同的残差单元
作者对比18-layer和34-layer的网络效果,如图7所示。可以看到普通的网络出现退化现象,但是ResNet很好的解决了退化问题。
图7 18-layer和34-layer的网络效果
最后展示一下ResNet网络与其他网络在ImageNet上的对比结果,如表2所示。可以看到ResNet-152其误差降到了4.49%,当采用集成模型后,误差可以降到3.57%。
表2 ResNet与其他网络的对比结果
说一点关于残差单元题外话,上面我们说到了短路连接的几种处理方式,其实作者在文献[2]中又对不同的残差单元做了细致的分析与实验,这里我们直接抛出最优的残差结构,如图8所示。改进前后一个明显的变化是采用pre-activation,BN和ReLU都提前了。而且作者推荐短路连接采用恒等变换,这样保证短路连接不会有阻碍。感兴趣的可以去读读这篇文章。
图8 改进后的残差单元及效果
PART
05 ResNet的TensorFlow实现
这里给出ResNet50的TensorFlow实现,模型的实现参考了Caffe版本的实现(https://github.com/KaimingHe/deep-residual-networks),核心代码如下:
class ResNet50(object): def __init__(self, inputs,num_classes=1000, is_training=True,scope="resnet50"): self.inputs =inputs self.is_training =is_training self.num_classes =num_classes with tf.variable_scope(scope): # construct themodel net =conv2d(inputs, 64, 7, 2, scope="conv1")#-> [batch,112, 112, 64] net = tf.nn.relu(batch_norm(net,is_training=self.is_training, scope="bn1")) net = max_pool(net, 3, 2, scope="maxpool1")#-> [batch, 56, 56, 64] net = self._block(net, 256, 3, init_stride=1, is_training=self.is_training,scope="block2")# ->[batch, 56,56, 256] net = self._block(net, 512, 4, is_training=self.is_training, scope="block3")#-> [batch, 28, 28, 512] net = self._block(net, 1024, 6, is_training=self.is_training,scope="block4")#-> [batch, 14, 14, 1024] net = self._block(net, 2048, 3, is_training=self.is_training, scope="block5")#-> [batch, 7, 7, 2048] net =avg_pool(net, 7, scope="avgpool5")#-> [batch, 1,1, 2048] net =tf.squeeze(net, [1, 2], name="SpatialSqueeze")#-> [batch,2048] self.logits = fc(net, self.num_classes,"fc6")#-> [batch,num_classes] self.predictions =tf.nn.softmax(self.logits) def _block(self, x, n_out, n,init_stride=2, is_training=True, scope="block"): with tf.variable_scope(scope): h_out = n_out // 4 out = self._bottleneck(x,h_out, n_out, stride=init_stride,is_training=is_training, scope="bottlencek1") for i in range(1, n): out = self._bottleneck(out,h_out, n_out, is_training=is_training,scope=("bottlencek%s"% (i + 1))) return out def _bottleneck(self, x, h_out, n_out,stride=None, is_training=True, scope="bottleneck"): """A residual bottleneck unit""" n_in =x.get_shape()[-1] if stride is None: stride = 1 if n_in == n_out else 2 with tf.variable_scope(scope): h = conv2d(x, h_out, 1, stride=stride, scope="conv_1") h = batch_norm(h, is_training=is_training, scope="bn_1") h = tf.nn.relu(h) h = conv2d(h, h_out, 3, stride=1, scope="conv_2") h = batch_norm(h, is_training=is_training, scope="bn_2") h = tf.nn.relu(h) h = conv2d(h, n_out, 1, stride=1, scope="conv_3") h = batch_norm(h, is_training=is_training, scope="bn_3") if n_in != n_out: shortcut = conv2d(x,n_out, 1, stride=stride, scope="conv_4") shortcut =batch_norm(shortcut, is_training=is_training, scope="bn_4") else: shortcut = x return tf.nn.relu(shortcut+ h)
完整实现可以参见GitHub(https://github.com/xiaohu2015/DeepLearning_tutorials/)。
PART
06 结束
ResNet通过残差学习解决了深度网络的退化问题,让我们可以训练出更深的网络,这称得上是深度网络的一个历史大突破吧。也许不久会有更好的方式来训练更深的网络,让我们一起期待吧!
参考资料
1. Deep ResidualLearning for Image Recognition: https://arxiv.org/abs/1512.03385.
2. Identity Mappings in Deep Residual Networks: https://arxiv.org/abs/1603.05027.
3. 去膜拜一下大神: http://kaiminghe.com/.
往
期
推
荐
1.全面直观认识深度神经网络
2.机器学习实战——LBP特征提取
3.RNN入门与实践
4.Logistic回归实战篇之预测病马死亡率(三)
机器学习算法全栈工程师
一个用心的公众号
![](/assets/blank.gif)
![](/assets/blank.gif)
进群,学习,得帮助
你的关注,我们的热度,
我们一定给你学习最大的帮助
![](/assets/blank.gif)
公众号商务合作请联系 ▶▶▶
你必须要知道CNN模型:ResNet相关推荐
- Alexnet_经典的CNN模型架构-LeNet、AlexNet、VGG、GoogleLeNet、ResNet
本文将引入 ImageNet图像数据库,并介绍以下几种经典的CNN模型架构: LeNet.AlexNet.VGG.GoogleLeNet.ResNet 1.ImageNet介绍 ImageNet是一个 ...
- CNN模型之SqueezeNet
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 01.引言 SqueezeNet是Han等提出的一种轻量且高效的C ...
- CNN模型之MobileNet
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 零 引言: 卷积神经网络(CNN)已经普遍应用在计算机视觉领域,并 ...
- 理论与实践中的CNN模型结构,如何引领深度学习热潮
摘要: 深度学习是指多层神经网络上运用各种机器学习算法解决图像,文本等各种问题的算法集合.卷积神经网络(CNN)是深度学习框架中的一个重要算法,本文介绍了CNN主流模型结构的演进过程,从一切的开始Le ...
- CNN 模型的参数(parameters)数量和浮点运算数量(FLOPs)是怎么计算的
文章目录: 1 模型参数(parameters)的个数 1.1 模型参数介绍 1.2 常见网络的模型参数个数 1.2 举例如何计算神经网络模型参数 2 FLOPS:每秒浮点运算次数 2.1 `FLOP ...
- 为了压榨CNN模型,这几年大家都干了什么
如果从2006年算,深度学习从产生到火爆已经十年了,在工业界已经产生了很多落地的应用.现在网络的深度已经可达1000层以上,下面我们关注一个问题: 这些年大家是怎么"压榨"CNN模 ...
- Stanford CS230深度学习(五)CNN和ResNet
本周CS230在lecture5中主要讲了一下深度学习在医疗诊断方面的应用,感觉挺有意义的,个人认为属于激励我们去学好基础知识然后进行应用的一堂课吧.coursera上主要是讲了卷积神经网络.残差网络 ...
- python cnn模型_CNN系列模型发展简述(附github代码——已全部跑通)
目录: 1 LeNet 2 AlexNet 3 VGG 4 GoogLeNet 5 ResNet 6 DenseNet 7 Non-Local Networks 8 Deformable Convol ...
- 一文总结经典卷积神经网络CNN模型
一般的DNN直接将全部信息拉成一维进行全连接,会丢失图像的位置等信息. CNN(卷积神经网络)更适合计算机视觉领域.下面总结从1998年至今的优秀CNN模型,包括LeNet.AlexNet.ZFNet ...
最新文章
- Python 类对象及属性内置方法 classmethod、delattr、dir、hasattr、getattr、callable
- 微信公众平台开发 - 动手篇。使用weinxinFundation开始一个微信公众平台的开发
- linux命令telnet
- linux查看jvm内存被使用情况,Linux系统查看内存使用率
- .NET开发的一些小技巧
- Spring Schedule定时关单快速入门
- Switchover and Failover说明
- 在Qt Designer更改部件类名
- 自定义路由匹配和生成
- RegOpenKeyEx 返回值 2
- 技术研究院004---数据仓库系统的实现与使用(含OLAP重点讲解)
- linux中文输入法怎么安装目录,Linux怎么安装中文输入法
- 网络上各种指数 总结 收集
- DeFi 的纵向扩张:利率协议将带来去中心化金融世界新变革
- 基于jsp+mysql+Spring+SpringMVC+mybatis的高速公路收费管理系统
- U-BOOT中mmc命令简介
- 14个种类,600款笔刷!如何做一套属于自己的精美笔刷?
- VCC、VDD、VSS、GND区别
- 停车收费系统服务器,无人值守停车场自动收费 车牌识别微信支付系统介绍
- Microsoft Office 2016 和 Visio 2016 自定义安装的安装包 非即装即用版本