ResNet:Deep Residual Learning for Image Recognition

通过网络的跳跃连接实现残差学习 ,使得神经网络可以无需考虑梯度消失或梯度爆炸即可搭建深层网络

什么是ResNet?

  • ResNet-20230408140940
  • 通过网络的跳跃连接实现残差学习 ,使得神经网络可以无需考虑梯度消失或梯度爆炸即可搭建深层网络,相较于VGGNet 的19层和GoogleNetv1的22层,ResNet可以提供18、34、50、101、152甚至更多层的网络,同时获得更好的精度
  • 值得注意的是,残差网络虽然解决加深网络带来的梯度消失、梯度爆炸或网络退化的问题,但是却不是整个网络起的作用,而是某些更短的关键层整体起的作用,和集成算法 理念相近,和丢弃正则化(Dropout)类似

ResNet的网络结构?

  • 与plain net相比,ResNet多了很多“旁路”,即shortcut路径,其首尾圈出的layers构成一个Residual Block
  • ResNet中,所有的Residual Block都没有pooling层,降采样是通过conv的stride实现的
  • 分别在conv3_1、conv4_1和conv5_1 Residual Block,降采样1倍,同时feature map数量增加1倍,如图中虚线划定的block
  • 通过Average Pooling得到最终的特征,而不是通过全连接层
  • 每个卷积层之后都紧接着BatchNorm layer

简单地堆叠网络会导致什么问题?

  • ResNet-20230408140941
  • 单纯加深网络,并没有带来性能的提升,反而可能出现梯度消失(gradient vanishing) 、梯度爆炸(gradient exploding) 和网络退化

ResNet如何实现残差学习?

  • ResNet-20230408140942
  • 又称恒等映射学习,通过在网络上增加跳跃连接 实现恒等映射的学习
  • 恒等映射学习表达式如下,其中 x 为输入,F 为神经网络的变换,y 为神经网络的输出

    y=F(x)+xy=F(x)+x

  • 神经网络学习恒等映射只需要将F(x)F(x) ⇒0,而不是y⇒x,经过验证,网络学习F(x)F(x)⇒0比y⇒更简单、更快

ResNet如何定义残差块(residual block)、残差路径、Bottleneck结构?

  • ResNet-20230408140943

  • 残差块: 有2个路径,其中 F(x)F(x) 路径是残差路径xx 路径为恒等映射,称之为 shortcut 路径,图中的+号表示 element-wise addition,要求参与运算的 F (x)和 x 的尺寸要相同

  • 残差路径: 根据残差块定义,衍生分成2种结构,(1)“basic block”,由2个3×3卷积层构成;(2)Bottleneck,由1×1 卷积构造,相比较“basic block”结构可降低计算复杂度的现实考虑

  • 1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    class Bottleneck(nn.Module):
    # Standard bottleneck
    def __init__(self, c1, c2, shortcut=True, g=1, e=0.5): # ch_in, ch_out, shortcut, groups, expansion
    super(Bottleneck, self).__init__()
    c_ = int(c2 * e) # e为缩小因子,表示中间层通道相对输出层减小的比例
    self.cv1 = Conv(c1, c_, k=1)
    self.cv2 = Conv(c_, c2, k=3, p=1, g=g)
    self.add = shortcut and c1 == c2

    def forward(self, x):
    return x + self.cv2(self.cv1(x)) if self.add else self.cv2(self.cv1(x))

ResNet改变网络结构,相当于改变网络的error surface?

  • 由[[VGG]]可知,层数少的网络error surface比较简单,以至于ResNet-20是否加短连接,对error surface影响不大

  • 到ResNet-56时,不加短连接网络的error surface迅速恶化,变得难以优化,引入shortcut后,情况改善

ResNet为什么可以解决梯度消失?

  • 由于h(x)=F(x)+x,使得链式求导后的结果如图所示,不管括号内右边部分的求导参数有多小,因为左边的1的存在,并且将原来的链式求导中的连乘变成了连加状态,都能保证该节点参数更新不会发生梯度消失或梯度爆炸现象
  • ResNet 虽然解决了梯度消失或梯度爆炸,但是本质是解决梯度破碎

ResNet 为什么可以缓解网络退化?

  • ResNet-20230408141028
  • 左图18层网络解空间是34层的子空间,但34层平面网络在整个训练过程中具有较高的训练误差,出现退化现象,即使添加 BN,确保每层信号不消失,也是这种现象,说明网络退化不是梯度消失或梯度爆炸造成的
  • 右图34层 ResNet 比18层 ResNet 好(2.8%)。更重要的是,34层 ResNet 显示出相当低的训练误差,并可推广到验证数据。这表明退化问题不是过拟合带来的
  • 残差网络残差块表示为:h(x)=F(x)+x,通过学习F(x)⇒0,使得h(x)=x,进而使得输入信号可以从任意低层直接传播到高层,梯度可以从任意高层传播到底层,这样的恒等映射这很大程度缓解网络退化现象

ResNet在大于1000层之后,训练效果很好,但是测试效果下降了,为什么?

  • ResNet-20230408141029
  • 残差结构还是可以的,但网络层数太高了,而数据集相对于网络层数来说有点小了
  • 当层数比较小的时候,残差结构可以很好的缓和退化问题,因为上一层饱和时可以通过残差映射更快的传递给下一层。但是当深度太高时,就算是简化成只有残差传递的话,所以网络还是退化了,即残差网络可以缓和退化问题,并不说解决

什么是恒等映射?

  • 对任意集合A,如果映射f:A⇒A定义为f(a)=a,即规定A中每个元素a与自身对应,则称f为A上的恒等映射
  • 在神经网络中的意思是:输入经过若干层的变换后,输出与输入一样,没有发生变化,通过跳跃连接实现恒等映射学习

在神经网络中,什么是跳跃连接?

  • ResNet-20230408141029-1
  • 将神经网络的输出连接到后面神经网络上

什么是网络退化?

  • ResNet-20230408141030
  • 网络退化:一般而言,叠加更多的网络层,模型会在训练集及测试集的性能会变好,因为模型复杂度更高了,表达能力更强了,然而实际上却是相反,叠加到一定数量后,网络的学习能力下降了
  • 看图可以,训练集及测试集上的56-layer效果均比20layer差,说明网络退化不是过拟合 (overfitting)导致的;已知深层神经网络存在梯度消失或梯度爆炸的问题,但是可以通过批规范化(Batch Normalization,BN) 来缓解这个问题,但是还是出现网络退化问题,既然不是过拟合和梯度消失导致的,那是什么导致的呢?
  • 实际上非线性激活函数Relu的存在,每次输入到输出的过程都几乎是不可逆的,这也造成了许多**不可逆的信息损失,即冗余层无法学习到恒等映射,**无法避免出现退化问题

什么是error surface?

  • 神经网络中Total Loss对参数的变化

什么是梯度破碎(the shattering gradient problem)?

  • ResNet-20230408141031
  • 在标准前馈神经网络中,随着深度增加,神经元梯度的相关性(corelation)按指数级减少 (12L\frac {1} {2^L});同时,梯度的空间结构也随着深度增加被逐渐消除。这也就是梯度破碎现象,上图是神经网络梯度及其[[…/K01-数学相关/概率论/概率论常见名词#^e70uqz|协方差矩阵]]的可视化,可以看到标准的前馈网络的梯度在较深时(b)与白噪声(e)类似
  • 相较标准前馈网络,残差网络中梯度相关性减少的速度从指数级下降到亚线性级(sublinearly, 1L\frac {1} {\sqrt{L}}),深度残差网络中,神经元梯度介于棕色噪声与白噪声之间(参见上图中的c,d,e);残差连接可以极大地保留梯度的空间结构。残差结构缓解了梯度破碎问题

为什么梯度破碎会导致神经网络难以优化?

  • 因为许多优化方法假设梯度在相邻点上是相似的,破碎的梯度会大大减小这类优化方法的有效性
  • 另外,如果梯度表现得像白噪声,那么某个神经元对网络输出的影响将会很不稳定

为什么ResNet网络比普通网络更容易学习?

  • 残差网络残差块表示为:h(x)=F(x)+x,通过学习F(x)⇒0,使得h(x)=x
  • 因为随机初始化权重一般偏向于0,并且ReLU能够将负数激活为0,过滤了负数的线性变化,所以优化F(x)⇒0比h(x)⇒x更快

ResNet 系列模型的演化过程?

  • ResNet系列模型主要演化方向包括2种:split-transform-merge,squeeze-and-attention
  • split-transform-merge:通过卷积的可分离性质,增加网络宽度,从而在不增加的情况下增加网络的表征能力(不同维度通道特征的融合)
  • squeeze-and-attention:核心想法是应用全局上下文预测 channel-wise 的注意力因素