【深度學習】卷積神經網絡結構組成與解釋
共 7506字，需瀏覽 16分鐘
·
2024-04-18 12:00
卷積神經網絡是以卷積層為主的深度網路結構，網絡結構包括有卷積層、激活層、BN層、池化層、FC層、損失層等。卷積操作是對圖像和濾波矩陣做內積（元素相乘再求和）的操作。
1. 卷積層
常見的卷積操作如下：
| 卷積操作 | 解釋 | 圖解 |
| 標準卷積 | 一般采用3x3、5x5、7x7的卷積核進行卷積操作。 | |
| 分組卷積 | 將輸入特征圖按通道均分為 x 組，然后對每一組進行常規(guī)卷積，最后再進行合并。 | |
| 空洞卷積 | 為擴大感受野，在卷積核里面的元素之間插入空格來“膨脹”內核，形成“空洞卷積”（或稱膨脹卷積），并用膨脹率參數(shù)L表示要擴大內核的范圍，即在內核元素之間插入L-1個空格。當L=1時，則內核元素之間沒有插入空格，變?yōu)闃藴示矸e。 |
|
| 深度可分離卷積 | 深度可分離卷積包括為逐通道卷積和逐點卷積兩個過程。 | （通道卷積，2D標準卷積） |
| 反卷積 | 屬于上采樣過程，“反卷積”是將卷積核轉換為稀疏矩陣后進行轉置計算。 | |
| 可變形卷積 | 指標準卷積操作中采樣位置增加了一個偏移量offset，如此卷積核在訓練過程中能擴展到很大的范圍。 |
補充：
1 x 1卷積即用1 x 1的卷積核進行卷積操作，其作用在于升維與降維。升維操作常用于chennel為1（即是通道數(shù)為1）的情況下，降維操作常用于chennel為n（即是通道數(shù)為n）的情況下。
降維：通道數(shù)不變，數(shù)值改變。
升維：通道數(shù)改變?yōu)閗ernel的數(shù)量（即為filters），運算本質可以看為全連接。
卷積計算在深度神經網絡中的量是極大的，壓縮卷積計算量的主要方法如下：
| 序號 | 方法 |
| 1 | 采用多個3x3卷積核代替大卷積核（如用兩個3 x 3的卷積核代替5 x 5的卷積核） |
| 2 | 采用深度可分離卷積（分組卷積） |
| 3 | 通道Shuffle |
| 4 | Pooling層 |
| 5 | Stride = 2 |
| 6 | 等等 |
2. 激活層
介紹：為了提升網絡的非線性能力，以提高網絡的表達能力。每個卷積層后都會跟一個激活層。激活函數(shù)主要分為飽和激活函數(shù)（sigmoid、tanh）與非飽和激活函數(shù)（ReLU、Leakly ReLU、ELU、PReLU、RReLU）。非飽和激活函數(shù)能夠解決梯度消失的問題，能夠加快收斂速度。
常用函數(shù)：ReLU函數(shù)、Leakly ReLU函數(shù)、ELU函數(shù)等
ReLU函數(shù)
Leakly ReLU函數(shù)
ELU函數(shù)
3. BN層(BatchNorm)
介紹：通過一定的規(guī)范化手段，把每層神經網絡任意神經元的輸入值的分布強行拉回到均值為0，方差為1的標準正態(tài)分布。BatchNorm是歸一化的一種手段，會減小圖像之間的絕對差異，突出相對差異，加快訓練速度。但不適用于image-to-image以及對噪聲明感的任務中。
常用函數(shù)：BatchNorm2d
pytorch用法：nn.BatchNorm2d(num_features, eps, momentum, affine)
num_features：一般輸入參數(shù)為batch_sizenum_featuresheight*width，即為其中特征的數(shù)量。
eps：分母中添加的一個值，目的是為了計算的穩(wěn)定性，默認為：1e-5。momentum：一個用于運行過程中均值和方差的一個估計參數(shù)（我的理解是一個穩(wěn)定系數(shù)，類似于SGD中的momentum的系數(shù)）。
affine：當設為true時，會給定可以學習的系數(shù)矩陣gamma和beta。
4. 池化層（pooling）
介紹：pooling一方面使特征圖變小，簡化網絡計算復雜度。一方面通過多次池化壓縮特征，提取主要特征。屬于下采樣過程。
常用函數(shù)：Max Pooling(最大池化)、Average Pooling(平均池化)等。
MaxPooling 與 AvgPooling用法：1. 當需綜合特征圖上的所有信息做相應決策時，通常使用AvgPooling，例如在圖像分割領域中用Global AvgPooling來獲取全局上下文信息；在圖像分類中在最后幾層中會使用AvgPooling。2. 在圖像分割/目標檢測/圖像分類前面幾層，由于圖像包含較多的噪聲和目標處理無關的信息，因此在前幾層會使用MaxPooling去除無效信息。
補充：上采樣層重置圖像大小為上采樣過程，如Resize，雙線性插值直接縮放，類似于圖像縮放，概念可見最鄰近插值算法和雙線性插值算法。實現(xiàn)函數(shù)有nn.functional.interpolate(input, size = None, scale_factor = None, mode = 'nearest', align_corners = None)和nn.ConvTranspose2d(in_channels, out_channels, kernel_size, stride = 1, padding = 0, output_padding = 0, bias = True)
5. FC層（全連接層）
介紹：連接所有的特征，將輸出值送給分類器。主要是對前層的特征進行一個加權和（卷積層是將數(shù)據輸入映射到隱層特征空間），將特征空間通過線性變換映射到樣本標記空間（label）。全連接層可以通過1 x 1卷機+global average pooling代替?？梢酝ㄟ^全連接層參數(shù)冗余，全連接層參數(shù)和尺寸相關。
常用函數(shù)：nn.Linear(in_features, out_features, bias)
補充：分類器包括線性分類器與非線性分類器。
| 分類器 | 介紹 | 常見種類 | 優(yōu)缺點 |
| 線性分類器 | 線性分類器就是用一個“超平面”將正、負樣本隔離開 |
LR、Softmax、貝葉斯分類、單層感知機、線性回歸、SVM（線性核）等 |
線性分類器速度快、編程方便且便于理解，但是擬合能力低 |
| 非線性分類器 | 非線性分類器就是用一個“超曲面”或者多個超平（曲）面的組合將正、負樣本隔離開（即，不屬于線性的分類器） |
決策樹、RF、GBDT、多層感知機、SVM（高斯核）等 |
非線性分類器擬合能力強但是編程實現(xiàn)較復雜，理解難度大 |
6. 損失層
介紹：設置一個損失函數(shù)用來比較網絡的輸出和目標值，通過最小化損失來驅動網絡的訓練。網絡的損失通過前向操作計算，網絡參數(shù)相對于損失函數(shù)的梯度則通過反向操作計算。
常用函數(shù)：分類問題損失（離散值：分類問題、分割問題）：nn.BCELoss、nn.CrossEntropyLoss等?；貧w問題損失（連續(xù)值：推測問題、回歸分類問題）：nn.L1Loss、nn.MSELoss、nn.SmoothL1Loss等。
7. Dropout層
介紹：在不同的訓練過程中隨機扔掉一部分神經元，以防止過擬合，一般用在全連接層。在測試過程中不使用隨機失活，所有的神經元都激活。
常用函數(shù)：nn.dropout
8. 優(yōu)化器
介紹：為了更高效的優(yōu)化網絡結構（損失函數(shù)最?。?，即是網絡的優(yōu)化策略，主要方法如下：
| 解釋 | 優(yōu)化器種類 | 特點 |
| 基于梯度下降原則（均使用梯度下降算法對網絡權重進行更新，區(qū)別在于使用的樣本數(shù)量不同） | GD(梯度下降); SGD(隨機梯度下降，面向一個樣本); BGD(批量梯度下降，面向全部樣本); MBGD(小批量梯度下降，面向小批量樣本) | 引入隨機性和噪聲 |
| 基于動量原則（根據局部歷史梯度對當前梯度進行平滑） | Momentum(動量法); NAG(Nesterov Accelerated Gradient) |
加入動量原則，具有加速梯度下降的作用 |
| 自適應學習率（對于不同參數(shù)使用不同的自適應學習率；Adagrad使用梯度平方和、Adadelta和RMSprop使用梯度一階指數(shù)平滑，RMSprop是Adadelta的一種特殊形式、Adam吸收了Momentum和RMSprop的優(yōu)點改進了梯度計算方式和學習率） | Adagrad; Adadelta; RMSprop; Adam | 自適應學習 |
常用優(yōu)化器為Adam，用法為：torch.optim.Adam。
補充：卷積神經網絡正則化是為減小方差，減輕過擬合的策略，方法有：L1正則(參數(shù)絕對值的和); L2正則(參數(shù)的平方和，weight_decay：權重衰退)。
9. 學習率
介紹：學習率作為監(jiān)督學習以及深度學習中重要的超參，其決定著目標函數(shù)能否收斂到局部最小值以及合適收斂到最小值。合適的學習率能夠使目標函數(shù)在合適的時間內收斂到局部最小值。
常用函數(shù)：torch.optim.lr_scheduler; ExponentialLR; ReduceLROnplateau; CyclicLR等。
卷積神經網絡的常見結構
常見結構有：跳連結構（ResNet）、并行結構（Inception V1-V4即GoogLeNet）、輕量型結構（MobileNetV1）、多分支結構（SiameseNet; TripletNet; QuadrupletNet; 多任務網絡等）、Attention結構（ResNet+Attention）
| 結構 | 介紹與特點 | 圖示 |
| 跳連結構（代表：ResNet） | 2015年何愷明團隊提出。引入跳連的結構來防止梯度消失問題，今兒可以進一步加大網絡深度。擴展結構有：ResNeXt、DenseNet、WideResNet、ResNet In ResNet、Inception-ResNet等 | |
| 并行結構（代表：Inception V1-V4） | 2014年Google團隊提出。不僅強調網絡的深度，還考慮網絡的寬度。其使用1×1的卷積來進行升降維，在多個尺寸上同時進行卷積再聚合。其次利用稀疏矩陣分解成密集矩陣計算的原理加快收斂速度。 | |
| 輕量型結構（代表：MobileNetV1） | 2017年Google團隊提出。為了設計能夠用于移動端的網絡結構，使用Depth-wise Separable Convolution的卷積方式代替?zhèn)鹘y(tǒng)卷積方式，以達到減少網絡權值參數(shù)的目的。擴展結構有：MobileNetV2、MobileNetV3、SqueezeNet、ShuffleNet V1、ShuffleNet V2等 | |
| 多分支結構（代表：TripletNet） | 基于多個特征提取方法提出，通過比較距離來學習有用的變量。該網絡由3個具有相同前饋網絡（共享參數(shù)）組成的，需要輸入是3個樣本，一個正樣本和兩個負樣本，或者一個負樣本和兩個正樣本。訓練的目標是讓相同類別之間的距離竟可能的小，讓不同的類別之間距離竟可能的大。常用于人臉識別。 |
|
| Attention結構（代表：ResNet+Attention） | 對于全局信息，注意力機制會重點關注一些特殊的目標區(qū)域，也就是注意力焦點，進而利用有限的注意力資源對信息進行篩選，提高信息處理的準確性和效率。注意力機制有Soft-Attention和Hard-Attention區(qū)分，可以作用在特征圖上、尺度空間上、channel尺度上和不同時刻歷史特征上等。 |
參考資料鏈接：
https://www.bilibili.com/video/BV1we4y1X7vy/?spm_id_from=333.880.my_history.page.click&vd_source=8332e741acbb75b438e9c1c91efed022
往期精彩回顧
交流群
歡迎加入機器學習愛好者微信群一起和同行交流，目前有機器學習交流群、博士群、博士申報交流、CV、NLP等微信群，請掃描下面的微信號加群，備注：”昵稱-學校/公司-研究方向“，例如：”張小明-浙大-CV“。請按照格式備注，否則不予通過。添加成功后會根據研究方向邀請進入相關微信群。請勿在群內發(fā)送廣告，否則會請出群，謝謝理解~（也可以加入機器學習交流qq群772479961）