CNN中感受野、feature map、参数量、计算量相关知识和计算方法
感受野的定义:
-
卷积神经网络输出特征图上的像素点 在原始图像上所能看到区域的大小,输出特征会受感受野区域内的像素点的影响
-
图像的空间联系是局部的,就像人是通过一个 局部的感受野 去感受外界图像一样,每一个神经元都不需要对全局图像做感受,每个神经元只感受局部的图像区域,然后在更高层,将这些感受不同局部的神经元 综合起来就可以得到全局的信息了
感受野的作用:
- 小卷积可以代替大卷积层
- 密集预测task要求输出像素的感受野足够的大,确保做出决策时没有忽略重要信息,一般也是越深越好
- 一般task要求感受野越大越好,如图像分类中最后卷积层的感受野要大于输入图像,网络深度越深感受野越大性能越好
- 目标检测task中设置anchor要严格对应感受野,anchor太大或偏离感受野都会严重影响检测性能
感受野的计算方法:
注意:
- 第一层感受野的大小等于滤波器的大小
- 感受野的大小和它之前所有层的滤波器大小和步长有关
- padding不影响感受野的大小,不考虑padding
从前往后计算,公式如下
R
F
l
+
1
=
R
F
l
+
(
k
e
r
n
e
l
_
s
i
z
e
l
+
1
−
1
)
×
f
e
a
t
u
r
e
_
s
t
r
i
d
e
l
RF_{l+1} = RF_{l} + (kernel\_size_{l+1} - 1)\times feature\_stride_{l}
RFl+1=RFl+(kernel_sizel+1−1)×feature_stridel
其中
f
e
a
t
u
r
e
_
s
t
r
i
d
e
l
feature\_stride_{l}
feature_stridel用如下公式计算,默认
R
F
0
=
1
,
f
e
a
t
u
r
e
_
s
t
r
i
d
e
0
=
1
RF_{0} = 1, feature\_stride_{0}=1
RF0=1,feature_stride0=1。
f
e
a
t
u
r
e
_
s
t
r
i
d
e
l
=
∏
i
=
1
l
s
t
r
i
d
e
i
feature\_stride_{l} = \prod_{i=1}^{l}stride_{i}
feature_stridel=i=1∏lstridei
如果是dilated conv,计算公式为
R
F
l
+
1
=
R
F
l
+
(
k
e
r
n
e
l
_
s
i
z
e
l
+
1
−
1
)
×
f
e
a
t
u
r
e
_
s
t
r
i
d
e
l
×
d
i
l
a
t
i
o
n
l
+
1
RF_{l+1} = RF_{l} + (kernel\_size_{l+1} - 1)\times feature\_stride_{l} \times dilation_{l+1}
RFl+1=RFl+(kernel_sizel+1−1)×feature_stridel×dilationl+1
假如输入图片的大小为200*200, 经过一层卷积(kernel size 5 * 5, padding 1, stride 2),pooling(kernel size 3 * 3, padding 0, stride = 1),又一层卷积(kernel size 3 * 3, padding 1, stride 1)之后,请问输出特征图感受野的大小是多少?
conv1 = 1 + (5-1)*1 = 5, R F 0 = 5 , f e a t u r e _ s t r i d e 1 = 2 RF_{0} = 5, feature\_stride_{1}=2 RF0=5,feature_stride1=2
pooling = 5 + (3-1)*2 = 9, R F 1 = 9 , f e a t u r e _ s t r i d e 1 = 2 RF_{1} = 9, feature\_stride_{1}=2 RF1=9,feature_stride1=2
conv2 = 9 + (3-1)*2 = 13 R F 2 = 13 RF_{2} = 13 RF2=13
所以最终感受野的输出大小为13
另一种方法是从top往下层迭代直到追溯到input image,计算公式如下:
(
N
−
1
)
R
F
=
f
(
N
R
F
,
s
t
r
i
d
e
,
k
e
r
n
e
l
)
=
(
N
R
F
−
1
)
∗
s
t
r
i
d
e
+
k
e
r
n
e
l
(N-1)_{RF} = f(N_{RF}, stride, kernel) = (N_{RF} - 1) * stride + kernel
(N−1)RF=f(NRF,stride,kernel)=(NRF−1)∗stride+kernel
其中
N
R
F
N_{RF}
NRF 指的是第n层的 feature 在n-1层的RF,默认
N
R
F
=
1
N_{RF}=1
NRF=1,
s
t
r
i
d
e
,
k
e
r
n
e
l
stride,kernel
stride,kernel分别表示当前层的步长和滤波器大小
当包含dilated conv卷积时,需要重新计算滤波器的大小
d
_
k
e
r
n
e
l
=
(
d
i
l
a
t
i
o
n
−
1
)
×
(
k
e
r
n
e
l
−
1
)
+
k
e
r
n
e
l
d\_kernel = (dilation-1) \times (kernel-1) + kernel
d_kernel=(dilation−1)×(kernel−1)+kernel,所以计算公式变为:
(
N
−
1
)
R
F
=
f
(
N
R
F
,
s
t
r
i
d
e
,
k
e
r
n
e
l
)
=
(
N
R
F
−
1
)
∗
s
t
r
i
d
e
+
d
_
k
e
r
n
e
l
d
_
k
e
r
n
e
l
=
(
d
i
l
a
t
i
o
n
−
1
)
×
(
k
e
r
n
e
l
−
1
)
+
k
e
r
n
e
l
(N-1)_{RF} = f(N_{RF}, stride, kernel) = (N_{RF} - 1) * stride + d\_kernel \\ d\_kernel = (dilation-1) \times (kernel-1) + kernel
(N−1)RF=f(NRF,stride,kernel)=(NRF−1)∗stride+d_kerneld_kernel=(dilation−1)×(kernel−1)+kernel
同样的以上面的例子举例:
2 R F 2_{RF} 2RF = (1-1)*1 + 3 = 3
1 R F 1_{RF} 1RF = (3-1)*1 + 3 = 5
0 R F 0_{RF} 0RF = (5-1)*2 + 5 = 13
feature map特征图的计算:
H
o
u
t
=
⌊
H
i
n
+
2
×
p
a
d
d
i
n
g
[
0
]
−
d
i
l
a
t
i
o
n
[
0
]
×
(
k
e
r
n
e
l
s
i
z
e
[
0
]
−
1
)
−
1
s
t
r
i
d
e
[
0
]
+
1
⌋
W
o
u
t
=
⌊
W
i
n
+
2
×
p
a
d
d
i
n
g
[
1
]
−
d
i
l
a
t
i
o
n
[
1
]
×
(
k
e
r
n
e
l
s
i
z
e
[
1
]
−
1
)
−
1
s
t
r
i
d
e
[
1
]
+
1
⌋
Hout=⌊ Hin+2×padding[0]−dilation[0]×(kernel_size[0]−1)−1 stride[0] +1⌋ \\ Wout=⌊ Win+2×padding[1]−dilation[1]×(kernel_size[1]−1)−1 stride[1]+1⌋
Hout=⌊Hin+2×padding[0]−dilation[0]×(kernelsize[0]−1)−1stride[0]+1⌋Wout=⌊Win+2×padding[1]−dilation[1]×(kernelsize[1]−1)−1stride[1]+1⌋
当有小数时,卷积操作:向上取整还是向下取整,根据框架而定,如tensorflow采用的是向上取整,pytorch采用的是向下取整;
pooling是统一向上取整;
CNN 模型所需的计算力(flops)和参数(parameters)数量的计算
对于一个卷积层,假设一个图像的输入通道为 n i n n_{in} nin,输出通道为 n o u t n_{out} nout,kernel_size 为 k w × k h k_w \times k_h kw×kh,输出的feature map尺寸为 f w × f h f_w \times f_h fw×fh ,则该卷积层的
- paras = n o u t × ( k w × k h × n i n + 1 ) n_{out} \times (k_w \times k_h \times n_{in} + 1) nout×(kw×kh×nin+1)
- flops= f w × f h × n o u t × ( k w × k h × n i n + 1 ) f_w \times f_h \times n_{out} \times (k_w \times k_h \times n_{in} + 1) fw×fh×nout×(kw×kh×nin+1)
乘累加操作
MADD = f w × f h × n o u t × ( k w × k h × n i n + 1 ) f_w \times f_h \times n_{out} \times (k_w \times k_h \times n_{in} + 1) fw×fh×nout×(kw×kh×nin+1) + f w × f h × n o u t × ( ( k w × k h × n i n − 1 ) + 1 ) f_w \times f_h \times n_{out} \times ((k_w \times k_h \times n_{in} - 1) + 1) fw×fh×nout×((kw×kh×nin−1)+1)
即 MADD = flops + f w × f h × n o u t × ( ( k w × k h × n i n − 1 ) + 1 ) f_w \times f_h \times n_{out} \times ((k_w \times k_h\times n_{in}-1) + 1) fw×fh×nout×((kw×kh×nin−1)+1)
深度可分离卷积
- paras = n i n × k w × k h + n o u t × ( n i n × 1 × 1 + 1 ) n_{in} \times k_w \times k_h + n_{out} \times (n_{in} \times 1 \times 1 + 1) nin×kw×kh+nout×(nin×1×1+1)
- flops = f w × f h × n i n × k w × k h + ( n i n × 1 × 1 + 1 ) × n o u t × f w × f h f_w \times f_h \times n_{in} \times k_w \times k_h + (n_{in} \times 1 \times 1 + 1) \times n_{out} \times f_w \times f_h fw×fh×nin×kw×kh+(nin×1×1+1)×nout×fw×fh
欢迎大家关注我的个人公众号,同样的也是和该博客账号一样,专注分享技术问题,我们一起学习进步