神经网络模型(Backbone)--从AlextNet讲起

自己搭建神经网络时，一般都采用已有的网络模型，在其基础上进行修改。从2012年的AlexNet出现，如今已经出现许多优秀的网络模型，如下图所示。 主要有三个发展方向：

Deeper：网络层数更深，代表网络VggNet

Module： 采用模块化的网络结构（Inception），代表网络GoogleNet

Faster: 轻量级网络模型，适合于移动端设备，代表网络MobileNet和ShuffleNet

Functional: 功能型网络，针对特定使用场景而发展出来。如检测模型YOLO，Faster RCNN；分割模型FCN， UNet

其发展历史可以分为三个阶段：

这些模型在ImageNet上的表现效果对比如下：

1. LeNet-5

LeNet-5是LeCun在1998年的论文中Gradient-Based Learning Applied to Document Recognition 提出的网络模型，其结构如下：（其中卷积为55的kernel，下采样为22的MaxPooling），其结构比较简单，关于LeNet-5结构设计的详细分析，参见：参考一，参考二

2. AlexNet

AlexNet是Alex Krizhevsky在2012的文章ImageNet Classification with Deep Convolutional Neural Networks中提出，其结构模型如下：（分上下两部分卷积，计算力不足，放在两块GPU上）

AlexNet的特色：（参考1，参考2）

(1) Training on Multiple Gpus: 受于当时的算力限制，Alexnet创新地将图像分为上下两块分别训练，然后在全连接层合并在一起

(2) ReLU Nonlinearity: 采用ReLU激活函数代替Sigmoid或tanh, 解决了梯度饱和的问题

(3)Local Response Normalization: 局部响应归一化，

(4) Data Augmentation: 扩增数据，减小过拟合：第一种是 抠图（从256x256抠出224x224）加上水平反转。第二种是 改变RGB颜色通道强度。

(5) Dropout: 以一定概率舍弃神经元输出，减小过拟合。

3.ZFNet

ZFNet是2013年的论文Visualizing and Understanding Convolutional Networks中提出，是2013年ILSVRC的冠军。这篇文章使用反卷积（Deconvnet），可视化特征图（feature map），通过可视化Alex-net指出了Alex-net的一些不足，最后修改网络结构，使得分类结果提升；是CNN领域可视化理解的开山之作，作者通过可视化解释了为什么CNN有非常好的性能、如何提高CNN性能，然后进行调整网络，提高了精度（参考文章）

ZFNet通过修改结构中的超参数来实现对AlexNet的改良，具体说来就是增加了中间卷积层的尺寸，让第一层的步长和滤波器尺寸更小。其网络结构的两种表示图如下：

相比于AlexNet其改进如下：（ImageNet top5 error：16.4%提升到11.7%）

(1) Conv1: 第一个卷积层由（1111, stride=4）变为（77，stride=2）

(2) Conv3, 4, 5: 第三，四，五个卷积核的通道数由384,384,256变为512,1024,512

3. VGGNet

VGGNet是2014年论文Very Deep Convolutional Networks for Large-scale Image Recognition 中提出，2014年的ImageNet比赛中，分别在定位和分类跟踪任务中取得第一名和第二名，其主要的贡献是展示出网络的深度（depth）是算法优良性能的关键部分，其结构如下：

VGGNet的特色：(参考1， 参考2)

(1)结构简洁：5层卷积层、3层全连接层、softmax输出层构成，层与层之间使用max-pooling（最大化池）分开，所有隐层激活单元都采用ReLU函数。

(2)小卷积核和多卷积核：VGG使用多个较小卷积核（3x3）的卷积层代替一个卷积核较大的卷积层，一方面可以减少参数，另一方面相当于进行了更多的非线性映射，可以增加网络的拟合/表达能力。

VGG的作者认为两个3x3的卷积堆叠获得的感受野大小，相当一个5x5的卷积；而3个3x3卷积的堆叠获取到的感受野相当于一个7x7的卷积。这样可以增加非线性映射，也能很好地减少参数（例如7x7的参数为49个，而3个3x3的参数为27），如下图所示：

VGGNet提出的结论：

(1) LRN层无性能增益（A-LRN）:AlexNet曾经用到的LRN层（local response normalization，局部响应归一化）并没有带来性能的提升
(2) 随着深度增加，分类性能逐渐提高（从11层到19层）
(3) 多个小卷积核比单个大卷积核性能好

4. GoogLeNet

4.1 GoogLeNet V1

GoogLetNet V1是在2014年论文Going deeper with convolutions中提出的，ILSVRC 2014的胜利者。相比于VGG，其并不是单纯的将网络加深，还引入了Inception模块的概念，最终性能和VGG差不多，但参数量更少。

Inception提出原因：传统网络为了减少参数量，减小过拟合，将全连接和一般卷积转化为随机稀疏连接，但是计算机硬件对非均匀稀疏数据的计算效率差，为了既保持网络结构的稀疏性，又能利用密集矩阵的高计算你性能，Inception网络结构的主要思想是寻找用密集成分来近似最优局部稀疏连接，通过构造一种“基础神经元”结构，来搭建一个稀疏性、高计算性能的网络结构

Inception的结构如下图所示：

Inception架构特点：

(1)加深的基础上进行加宽，稀疏的网络结构，但能产生稠密的数据，既能增加神经网络表现，又能保证计算资源的使用效率

(2) 采用不同大小的卷积核意味着不同的感受野，最后在channel上拼接，意味着不同尺度的特征融合

(3)采用11卷积，一是减少维度来减少计算量和参数，二是修正线性激活，增加非线性拟合能力（每个11后都有ReLU激活函数）

以Inception为基础模块，GoogLeNet V1的整体网络架构如下（共22层）：

GoogLeNet V1网络特色：（参考1， 参考2）

(1) 采用Inception模块化结构，方便添加修改

(2) 采用Average Pool 来代替全连接层（借鉴Network in Network），实际在最后一层还是添加了一个全连接层，方便做finetune。

(3) 另外增加了两个辅助的softmax分支(incetion 4b和4e后面)，作用有两点，一是为了避免梯度消失，用于向前传导梯度。反向传播时如果有一层求导为0，链式求导结果则为0。二是将中间某一层输出用作分类，起到模型融合作用。最后的loss=loss_2* 0.3 * loss_1 + 0.3 * loss_0。实际测试时，这两个辅助softmax分支会被去掉。

4.2 GoogLeNet V2, V3

GoogLeNet V2, V3是在2015年论文 Rethinking the Inception Architecture for Computer Vision 中提出，主要是对V1的改进。

GoogLeNet v2的Inception结构和整体的架构如下：

GoogLeNet V2网络特点：

(1) 借鉴VGG，用两个33卷积代替一个55卷积，降低参数量，提高计算速度（如上图Figure5中Inception）

(2)它们将滤波器大小nxn的卷积分解为1xn和nx1卷积的组合（7x7卷积相当于首先执行1x7卷积，然后在其输出上执行7x1卷积，如上图Figure6中Inception），但在网络的前期使用这种分解效果并不好，在中度大小的特征图（feature map）上使用效果才会更好（特征图大小建议在12到20之间）

(3) 为了同时保持特征表示并降低计算量，将池化和卷积并行执行再合并，如下图所示：

GoogLeNet V3: V3包含了为V2规定的所有上述改进，另外还使用了以下内容:

(1)采用RMSProp优化器

(2) 学习Factorization into small convolutions的思想，将7x7分解成两个一维的卷积（1x7,7x1），3x3也是一样（1x3,3x1），这样的好处，既可以加速计算（多余的计算能力可以用来加深网络），又可以将1个conv拆成2个conv，使得网络深度进一步增加，增加了网络的非线性，还有值得注意的地方是网络输入从224x224变为了299x299，更加精细设计了35x35/17x17/8x8的模块。

(3) 在辅助分类器中的使用BatchNorm。

(4) 采用标签平滑（添加到损失公式中的一种正规化组件，可防止网络对类过于自信。防止过度拟合）

4.3 GoogLeNet V4

GoogLeNet V4(Inception V4)是在2016年的论文 Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning 中提出，主要是利用残差网络（ResNet）来改进V3，得到Inception-ResNet-v1，Inception-ResNet-v2，Inception-v4网络。

5. ResNet

ResNet是何凯明在2015年的论文Deep Residual Learning for Image Recognition 中提出，ResNet网络提出了残差网络结构，解决了以前深层网络难训练的问题，将网络深度有GoogLeNet的22层提高到了152层。残差网络(bottleneck)的结构如下：（参考1）

相比传统网络：y=f(x)，ResNet Block公式为：y=f(x) + x，可以称之为skip connect。有两个点需要思考下：一是其导数总比原导数加1，这样即使原导数很小时，也能传递下去，能解决梯度消失的问题； 二是y=f(x) + x式子中引入了恒等映射（当f(x)=0时，y=2），解决了深度增加时神经网络的退化问题。

ResNet由多个Residual Block叠加成的，其结构如下：

其中Resnet-18/34采用的residual block和Resnet-50/101/152不太一样，分别如下所示：

除了残差结构，ResNet还有两个细节需要关注下：

(1)第一个卷积层采用了7*7的大卷积核，更大的感受野，获取图片更多的初始特征（primary feature）(图片channel=3，第一层使用大kernel，增加的参数量不是很大)

(2)短路连接中，输入和输出维度不一致时，不能直接相加（Element-wise add），采用步长为2的卷积来减小维度尺寸？

6. DenseNet

DenseNet网络是在2017的论文 Densely Connected Convolutional Networks 中提出，与ResNet一致，也采用shortcut连接，但是其将前面所有层与后面层密集连接（dense connection）, 另外其采用channel concatenate来实现特征重用（代替ResNet的Element-wise addition）。其整体网络结构如下图所示：

DenseNet网络包括Dense Block和Transition layer两个基础模块，Dense Block类似于ResNet中的residual block，其区别对比如下：

由上图可以发现两个主要区别：（参考1）

(1) DenseNet是密集连接，前面层和后面层间都有连接；ResNet只有相邻层有连接

(2) DenseNet是channel-wise concatenation； Resnet 是Element-wise addition

DenseNet的Transition layer主要是用来降低feature map的尺寸，将来自不同层的feature map变化为同等尺寸后进行concatenate，其结构如下：

BN + ReLU+11 Conv + 22 Average Pool

DenseNet的特点：

~~> 　(1) 由于密集连接方式，DenseNet提升了梯度的反向传播，使得网络更容易训练 （每层可以直达最后的误差信号）

(2) 参数更小且计算更高效 （concatenate来实现特征复用，计算量很小）

(3) 由于特征复用，分类器使用到了低级特征

(4) 需要较大的显存才能运行（所有层都需存储？）~~

参考：https://zhuanlan.zhihu.com/p/66215918

https://zhuanlan.zhihu.com/p/22038289

上述都是些大型的经典网络，运行较慢，需要的较大的算力，而轻量级网络则采用不同的设计和模型架构，来应对移动端设备上的使用，目前主要的轻量级网络包括 SqueezzeNet, MobileNet和ShuffleNet，其发展历史如下：

这些网络实现轻量级的主要方法如下：

(1) 优化网络结构： shuffle Net

(2) 减少网络的参数： Squeeze Net

(3) 优化卷积计算： MobileNet(改变卷积的顺序)； Winograd(改变卷积计算方式)

(4) 删除全连接层： Squeeze Net； LightCNN

7. SqueezeNet

SqueezeNet是在2017年的论文 SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and <0.5MB model size 中提出， squeezeNet的模型压缩策略主要有三个：(Idea from GoogLeNet) （参考1）

(1) 多使用11的卷积，少使用33的卷积，减少参数量

(2) 3*3卷积采用更少的channel数

(3) 将降采样后置，即推迟使用Pooling，从而增加感受野，尽可能多的获得feature

SqueezeNet的网络基础单元是Fire Module，多个fire module堆叠，结合pooling组成SqueezeNet，如下图所示：（右边两张加入了shortcut）

Fire Module又包括两部分：squeeze layer 和 Expand layer，如下图所示：

squeeze layer：主要是1*1的卷积，对网络channel进行压缩，卷积核的个数为S1

expand layer：11的卷积个数为E1，33的卷积个数为E3（上图中E2应该为E3），然后进行concate。

论文中关于E1， E3，S1的关系描述如下：

8. MobileNet

8.1 MobileNet V1

MobileNet V1是在2017年Google的论文 MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications 中提出，其主要压缩策略是深度可分离卷积(Depthwise separable Convolution)，其包括两步，如下图所示：

(1) 深度卷积：将卷积拆分为单通道的形式，在不改变输入特征图像的深度的情况下，对每一通道进行卷积操作，得到和输入特征图通道数一致的输出特征图。如下图，输入12×12×3的特征图，经过5×5×1×3的深度卷积之后，得到了8×8×3的输出特征图。输入个输出的维度是不变的3。

(2)逐点卷积：即11的卷积，对深度卷积得到的特征图进行升维，如下图，8×8×3的特征图，通过113256的卷积，输出88256的输出特征图。

参数量和计算量对比：

深度可分离卷积和传统卷积相比操作和参数更少，如下图所示，可以发现深度可分离卷积操作数和参数都是传统卷积的（1/N +1/Dk2）, 采用3*3卷积时大约是1/9。（但模型精度大概只降低1%）

模型结构对比：

深度可分离卷积单元相比传统卷积多一个ReLU6激活函数和1*1卷积层，对比如下图：

MobileNet V1网络的整体架构如下图, 多个深度卷积的堆叠（s2表示步长为2），： (参考1)

MobileNet V1还可以引入结构超参数来进一步压缩网络，主要是在kernel的深度和尺寸两方面，如下图：

8.2 MobileNet V2

MobileNet V2是在2018年的论文 MobileNetV2: Inverted Residuals and Linear Bottlenecks 中提出，对V1的卷积单元进行了改进，主要引入了Linear bottleneck和Inverted residuals。

(1) Linear bottleneck : 在原始V1训练时容易出现卷积层参数为空的现象，这是由于ReLU函数：对低维度做ReLU运算，很容易造成信息的丢失。而在高维度进行ReLU运算的话，信息的丢失则会很少（参考）；因此去掉卷积单元中最后一个ReLU函数。

（Linear bottleneck: Eltwise + with no ReLU at the end of the bottleneck）

(2) Inverted Residual: 深度卷积本身没有改变channel的能力，来的是多少通道输出就是多少通道。如果来的通道很少的话，DW深度卷积只能在低维度上工作，这样效果并不会很好，所以我们要“扩张”通道。既然我们已经知道PW逐点卷积也就是1×1卷积可以用来升维和降维，那就可以在DW深度卷积之前使用PW卷积进行升维（升维倍数为t，t=6），再在一个更高维的空间中进行卷积操作来提取特征，随后再进行降维。

(Inverted Residual: expand - transfer - reduce)

对比下V2和ResNet的结构，如下图：可以发现V2是先升，卷积，降维，和ResNet（降维，卷积，升维）相反，因此成为Inverted residual.

Linear bottleneck和Inverted Residual解释：

对比下V1和V2的卷积结构单元，如下图：V2将最后一层的ReLU6换成了Linear，并引入了shortcut进行升维和将维(最右边的stride=2减小尺寸，所以没有shortcut)。

MobileNet V2的整体结构如下图：

8.3 MobileNet V3

MobileNet V3在2019年的论文Searching for MobileNetV3 中提出，还没啃完，有空来填坑。

9 ShuffleNet

9.1 shuffleNet V1

shuffleNet V1 是2017年在论文ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices 中提出的，其主要压缩思路是group convolution 和 channel shuffle。（参考1，参考2）

(1) group convolution(分组卷积): 分组卷积的思路是将输入特征图按通道数分为几组，然后采用不同的卷积核再对各个组进行卷积，这样会降低卷积的计算量。传统的卷积是卷积核在所有通道上进行卷积，算全通道卷积，而分组卷积算通道上的稀疏卷积，如下图所示。（mobileNet算是一种特殊的分组卷积，分组数和通道数一样）

(2)channel shuffle(通道混洗) : 分组卷积以一个问题是不同组之间的特征图信息不通信，就好像分了几个互不相干的路，大家各走各的，会降低网络的特征提取能力。MobileNet是采用密集的1*1pointwise convolution进行通道特征融合，计算量较大。channel shuffle的思路是对分组卷积之后的特征图的排列顺序进行打乱重新排列，这样下一个分组卷积的输入就来自不同的组，信息可以在不同组之间流转。channel shuffle的实现步骤如下图所示：reshape–transpose-flatten

shufflleNet V1网络的基本单元如下图所示，相比a图中，b图将1x1的密集卷积换成分组卷积，添加了一个channel shuffle，另外3x3的depthwise convolution之后没有使用ReLU激活函数，图c中则采用stride=2，同时将elment-wise add 换成了concat。

shuffleNet V1特点，以及和ResNet和mobileNet的对比如下：

ShuffleNet V1的整体架构如下，每个stage都是shuffleNet基本单元的堆叠。

9.2 shuffleNet V2

shuffleNet V2 是2018年在论文ShuffleNet V2: Practical Guidelines for Ecient CNN Architecture Design中提出的， 论文中针对设计快速的轻量级模型提出了四条指导方针（Guidelines）：

(1)G1： 卷积层的输入和输出特征通道数相等时MAC最小，此时模型速度最快

(2)G2： 过多的 group操作会增大MAC，从而使模型速度变慢

(3) G3： 模型中的分支数量越少，模型速度越快

(4) G4：element-wise操作所带来的时间消耗远比在FLOPs上的体现的数值要多，因此要尽可能减少element-wise操作。

论文中接着分析了其他网络模型违背了相应的原则方针，如下图所示：

针对上述四条guidelines，论文提出shuffleNet V2的基本单元，如下图：

(1) channel split然后concat，保证输入输出channel一致，遵循准则1？

(2) 去掉1*1的分组卷积(channel split相当于分组了)，遵循准则2

(3) channel split和将channel shuffle移动到后面，遵循准则3

(4)利用concat代替add，遵循准则4