当前位置： 移动技术网 > IT编程>数据库>Mysql > CNN架构之ResNet

CNN架构之ResNet

2020年07月19日  | 移动技术网IT编程  | 我要评论

CNN架构之ResNet

ResNet在2015年的ImageNet大规模视觉识别竞赛（ImageNet Large Scale Visual Recognition Challenge, ILSVRC）中获得了图像分类和物体识别的优胜，名声大噪。在此之前，AlexNet——2012年ImageNet的获胜者，这个模型仅有8个卷积层的深度学习，后来的VGG网络有16乃至19层，GoogleNet有22层，而ResNet 有152层。随着模型变得越来越深，Top-5的错误率也越来越低，目前降到了3.5%附近，而在同样的ImageNet数据集合上，人眼的辨识错误率大概在5.1%，也就是目前的Deep Learning模型的识别能力已经超过了人眼。本文就来详细地分析一下ResNet这个里程碑式的架构。

1. 深层网络退化问题

我们都知道，网络越深，我们能提取到的特征越丰富，而且直观地来看近几年神经网络的发展，从一开始的8层到现在的几千层，貌似确实验证了深度越深，表现越好；但如果只是叠加深度，就会出现梯度弥散或梯度爆炸现象，我们之前讲到BN层可以解决这个问题，然而，尽管它可以收敛了，网络性能却还是退化了。
在这里插入图片描述
如图所示，这是56层和20层网络在训练集和测试集上的错误率，单看右图来说，我们可以解释为，56层的网络的网络可能是产生了过拟合，所以在测试集上的错误率要大一点，但是我们再看左图就发现，即使在训练集上，56层的表现依然没有20层好，这就说明，它不是产生了过拟合。

从原理上来说其实56层网络的解空间是包括了20层网络的解空间的，换而言之，56层网络取得的性能应该大于等于20层网络的性能的。但是从训练的迭代过程来看，56层的网络无论从训练误差来看还是测试误差来看，误差都大于20层的网络。导致这个原因就是虽然56层网络的解空间包含了20层网络的解空间，但是我们在训练网络用的是随机梯度下降策略，往往解到的不是全局最优解，而是局部的最优解，显而易见56层网络的解空间更加的复杂，所以导致使用随机梯度下降算法无法解到最优解。

2. ResNet架构

为了解决上述问题，ResNet提出了一种新的理念：如果将深层网络的后面若干层学习成恒等映射H(x)=x ，那么模型就退化成浅层网络。但是直接去学习这个恒等映射是很困难的，那么就换一种方式，把网络设计成：
在这里插入图片描述
其中H(x)是某一层原始的的期望映射输出，x是输入；它使用了一种连接方式叫做“shortcut connection”，顾名思义，shortcut就是“抄近道”的意思在这里插入图片描述
这样，只要使F(x)=0，就是实现恒等映射了（这是理想情况，实际上我们只能让它无限趋近于0），为什么做这样的变化会简单呢？

我们现在假设，在网络达到某一个深度的时候，已经达到最优状态了，也就是说，此时的错误率是最低的时候，再往下加深网络的化就会出现退化问题（错误率上升的问题）。那我们现在要更新下一层网络的权值就会变得很麻烦，权值得是一个让下一层网络同样也是最优状态才行。
但是采用残差网络就能很好的解决这个问题。还是假设当前网络的深度能够使得错误率最低，如果继续增加深度，为了保证下一层的网络状态仍然是最优状态，我们只需要把令F(x)=0就好了。因为x是当前输出的最优解，采用ResNet的话，只用小小的更新F(x)部分的权重值就可以，不用像一般的卷积层一样大动干戈！

ResNet的整体架构如下图所示
在这里插入图片描述

3. ResNet计算细节

1）残差块有二层，如下表达式，
在这里插入图片描述
其中σ代表非线性函数ReLU，
然后通过一个shortcut，和第2个ReLU，获得输出y

  • shortcut同等维度映射，F(x)与x相加就是就是逐元素相加
    在这里插入图片描述
  • 如果两者维度不同，需要给x执行一个线性映射来匹配维度
    在这里插入图片描述
    实验证明，这个残差块往往需要两层以上，单单一层的残差块并不能起到提升作用

2）我们观察到，在它的结构图中有实线有虚线，这个是ResNet网络的设计规则：对于残差网络，维度匹配的shortcut连接为实线，反之为虚线；维度不匹配时，同等映射有两种可选方案：

  • 直接通过zero padding 来增加维度（channel）。
  • 乘以W矩阵投影到新的空间。实现是用1x1卷积实现的，直接改变1x1卷积的filters数目。这种会增加参数。
    在这里插入图片描述
    如上图所示，我们截取了一部分，可以看到的”实线“和”虚线“两种连接方式，
    实线的Connection部分（注意是第一个紫色矩形和第三个紫色矩形，因为x指的是第二个紫色矩形的输入，即第一个紫色矩形的输出）都是执行3x3x64的卷积，他们的channel个数一致，所以采用计算方式：
    在这里插入图片描述
    虚线的的Connection部分分别是3x3x64和3x3x128的卷积操作，他们的channel个数不同(64和128)，所以采用计算方式：
    在这里插入图片描述
    其中W是卷积操作（用128个(3x3)x64的filter），用来调整x的channel维度的

3）把普通网络变成ResNet的方法就是加上跳跃连接，每两层增加一个捷径，构成一个残差块；关于更多的计算细节，在知乎上看到了一个解释，这里直接上截图
在这里插入图片描述
在这里插入图片描述

4. 后续发展

后来，作者进一步在小的CIFAR10数据集上尝试了更深的Resnet网络，其深度最多达到了1202层。不过却发现分类性能开始有了一定下降。作者分析认为可能是层数过多，导致模型过于复杂，而CIFAR-10较小的数据集造成了它的过拟合
在这里插入图片描述

总的来说，通过现阶段的学习，对ResNet的设计理念和基本框架有了一个基础的认知，但是里面需要搞清楚的细节还有很多，本文只是总结了它相对于之前网络的改进思路，而之前出现的每一个网络都有它独特的设计点，比如GoogLeNet的Inception。之后随着学习的深入，会及时修正和补充这篇文章。
最后屯一篇好文——[大话CNN经典模型：GoogLeNet（从Inception v1到v4的演进）]

本文地址：https://blog.csdn.net/weixin_45268911/article/details/107423917

您可能感兴趣的文章:

如对本文有疑问， 点击进行留言回复！！

相关文章:

验证码：
最近更新的文章
大家感兴趣的文章
移动技术网