算法总结之深度学习

最新推荐文章于 2024-04-15 11:52:57 发布

置顶 forever_zzx

最新推荐文章于 2024-04-15 11:52:57 发布

阅读量618

点赞数

分类专栏：算法文章标签： Deep Learning Computer Vision

本文链接：https://blog.csdn.net/forever_zzx/article/details/87378888

版权

算法专栏收录该内容

48 篇文章 0 订阅

订阅专栏

深度网络

CNN

ResNet

问题：当网络加深，学习效果很差
动机：在已存在的浅层网络上加入很多恒等映射层，这样能保证学习效果不差于千层网络，受此启发，提出ResNet
解释：(1) 保证信息流动。当网络比较深，反向传播时，不同层梯度之间的相关性下降，极端情况就是梯度变化出现随机性，近似于白噪声，这样网络的训练就很差。而当加入shortcuts，一部分梯度会直接往回传，梯度的相关性能够保持，这样也保证了梯度的信息流动。
(2) 特征的组合。不同的特征可能在不同的层出现，识别某个物体可能同时需要这些特征，残差网络能实现不同层提取特征的组合。
此外，当网络层数较少时，Residual Net提升的效果不明显，但是能加速网络的收敛。

DenseNet

优点：

特征复用
有利于梯度传播，更容易收敛

VGG

Inception

成功的关键：multi-branch feature maps和multi-scale kernel
v1: 33 和 55卷积之前加一个11， maxpooling之后加一个11，目的减少计算量
v2: 两个33代替一个55，一个nn的卷积可以用1n和n1来代替
v3: 加BN、77卷积分解成3个33
v4: 修改Stem和添加short cut结构
与Resnet的关系，11卷积的特征实际上包含了前一层的信息，相当于shortcut的作用

MobileNet v2

linear bottleneck

layer的特征mainfold of interest可以在低维空间表达，如果使用ReLU会使得信息损失较多，因此采用linear bottleneck

inverted residual block

在linear bottleneck之间加上shortcut，构成类似于residual block的结构，区别在于residual block先降维后升维，而block先升维后降维（为什么要这样，可以理解为克服ReLU低维空间下信息损失较多的缺点）

ReLU

Leaky ReLU: x<0 时斜率为固定值
PReLU: x<0时斜率为一个参数，与神经网络中的参数类似，学习出来的
RReLU: x<0时斜率在一个范围内随机选择，测试时固定
在这里插入图片描述

Batch Normalization

梯度弥散、梯度爆炸

梯度爆炸：从BP的反向传播解释，链式求导使得求梯度公式中有很多的权重项相乘，这样当很多大于1的权重项相乘时，会出现梯度爆炸。
解决办法：正则化（控制权重大小），ReLU（导数为1），gradient clipping (归一化误差项(gradient scaling)或者当梯度超过一定范围时进行裁剪(gradient clipping))
梯度弥散：(1) BP反向传播，同上，当很多权重小于1时，就会出现梯度弥散；(2) 使用激活函数时，当输出值位于激活函数非线性区域的饱和区时，梯度很小趋近于0，根据梯度求导公式，此时梯度也会趋近于0，梯度弥散出现。
解决办法：BN、ReLU、gradient clipping

RNN、LSTM

RNN问题：梯度弥散，RNN当前不能有长距离的依赖，这是因为long-term依赖会出现梯度弥散（参考梯度弥散产生原因）；
LSTM：LSTM相比于RNN增加了cell gate，遗忘门，输入门，输出门，这些门限能够使网络去处理或解决这种long-term依赖。

BN、GN、LN、IN

四种归一化对比
BN: NHW 维度求均值
LN: C * H * W
IN: H * W
GN: C / g * H * W

目标检测

RCNN

Fast RCNN

相比于RCNN

Faster RCNN

相比于Fast RCNN

YOLO

YOLO演变：
(1) Network architecture: replace fc with conv (v2), backbone Darknet-19 (v2) to Darknet-53 (v3)
(2) Multi-scale: v1 do nothing, v2 trained on multi-scale images, v3 prediction boxes on feature maps with different resolutions.
(3) prior boxes: directly outputs boxes (v1), predict 5 boxes at each location (v2), predict 3 boxes at each location in different feature maps (v3), use k-means to preset the anchors
(4) loss function: softmax loss (v2), sigmoid loss (v3), improve bounding box regression by constrain the center parameters in (0, 1) with sigmoid function (v2).

SSD

SSD问题：为什么小目标检测效果差

(1) 语义信息与分辨率大小的矛盾，小目标物体一般需要大分辨率的feature，但这样语义信息不够；
(2) 小物体与anchor匹配的数量少，导致关注不够，得不到足够的小物体训练样本

anchor选择

在这里插入图片描述
通过该公式 $s_k$ 和 $s_{k+1}$ 作为第k个feature map的min和max尺寸，default boxes主要分成三个部分：

以min为边的正方形;
2)以sqrt(min*max)作为边的正方形;
3)以min作为面积，根据设置的不同比例计算框的height和width.

小目标检测

三个方面展开：
(1) 从augment角度：一是对含有小目标的样本重采样，二是对样本中的小目标进行重采样（如1个球变成多个球）；
(2) 从特征提取的角度考虑：Deformable Convolutional Networks、FPN；
(3) Loss：小目标regresion损失加上 $\times w)$ ，还可以变成 (2-w*h)*1.5，性能会上涨

Anchor-free based object detection

CornerNet

不用设置anchor，直接预测top-left和bottom-down corners.
网络的输出分为三部分：heatmaps (corner位置预测)、offsets (下采样会导致精度下降，要做偏移调整)、corners match (预测两个vector，根据对应位置的距离来匹配)
Corner pooling：包含两个分别为 top-left corner pooling 和 bottom-right corner pooling，
top-left corner pooling: 从右至左和从下至上的每个位置分别求最大值，得到两个结果求和，如下：

bottom-right corner pooling: 从左至右和从上至下的每个位置分别求最大值，得到两个结果求和，与top-left corner pooling相反