深度学习论文精读（1）：ResNet

深度学习论文精读（1）：ResNet

深度的神经网络往往难以训练，而这篇文章则提出了一个残差学习的框架，使得神经网络能在更深的层数中获得更好的效果。

论文地址：Deep Residual Learning for Image Recognition

译文地址：http://blog.csdn.net/wspba/article/details/57074389

作者github地址：https://github.com/KaimingHe/deep-residual-networks

1.提出问题

• 理论上来说，更深的神经网络能够获取图像更多的特征，给予神经网络更优秀的性能。
  • 问题1：首先考虑一个简单的问题，如果我们有一对相同的浅层网络，那么我们在另一个浅层网络上叠加恒等变化，那么理论上来说，更深的网络效果不应该变差。
  • 问题2：深度的网络会导致的梯度弥漫/消失（即Vanishing/Exploding Gradients），也基本上可以通过更好的初始化以及中间层的归一化（即Normalized Initialization, Intermediate Normalization Layers）来解决。
• 实际上，并不是这样，在更深的神经网络中存在退化问题（Degradation Problem），如下图所示：
  • 由图中的例子可见不是过拟合，更深的网络训练误差也更大。
• 残差网络的提出，很好的解决了深度神经网络的退化问题。

2.解决方案

• 作者提出了如下图展示的深度残差学习框架（deep residual learning framework. ）

  • 核心思想就是，通过一个快捷通道（shortcut connection）进行一次恒等映射。

    这样，残差块输出的结果就是非线性映射（$\mathcal{F}(x)$）再加上恒等映射（$x$）。因此，在极端情况下，我们可以使非线性映射$\mathcal{F}(x)$为0，那么残差块的结果至少为一次恒等映射，不至于使网络的效果变差。

  • 设最终得到的映射为$\mathcal{H}(x)$，则$\mathcal{F}(x)=\mathcal{H}(x)-x$。即学习的是应有的映射与原始输入之间的差值。因此被称为残差映射（residual mapping）。

• 快捷通道（shortcut connection）和高速网络（“highway networks”）的对比
  • 快捷通道总是能够保留恒等映射，而高速网络通过一个gate来控制恒等映射的大小。这样的结果导致在gate为0的时候，它就退化为了普通的神经网络。
  • 实验也证明，“highway networks”并不能通过增加层数（100层以上）获得准确率的提升。

3.实现方式

• 输入与输出的维度相等的情况下：

  • y = F ( x , { W i } ) + x y = \mathcal{F}(x,\{W_i\}) + x y=F(x,{Wi​})+x

• 输入与输出的维度不等的情况下：（相同的情况下也可以，因为$W_s$做的只是一个维度变换，可以使其不变换维度。）

  • y = F ( x , { W i } ) + W s x y = \mathcal{F}(x,\{W_i\}) + W_sx y=F(x,{Wi​})+Ws​x

• shortcut的实现方式：

  • 维度增加时，使用0来填充增加的维度。维数相同时，直接相加。
  • 维度增加时，使用projection shortcuts增加维度。维数相同时，直接相加。
  • 不管维数相不相同，都用projection shortcuts进行维度的调整。
  • 其中projection shortcuts指 y = F ( x , { W i } ) + W s x y = \mathcal{F}(x,\{W_i\}) + W_sx y=F(x,{Wi​})+Ws​x中的$W_{s}x$。一个全连接操作。
  • 效果上，3>2>1，实际情况下一般用2，兼顾计算量和效果。

  深度瓶颈结构：

  • 使用右下图所示的瓶颈结构代替左下图的双卷积结构。

  • 先通过1*1卷积减少维度，再进行3*3卷积，最后通过1*1卷积恢复维度。

  • 能够有效的减少参数，以及运行效率。

4. 训练细节

• 图像增强：使用与AlexNet、VGG一样的图像增强方式，截取224*224的图片，随机水平变换。调整图像的大小使它的短边长度随机的从256,480中采样来增大图像的尺寸。
• 预处理：减去像素均值。
• 普通卷积结构为：conv-bn-relu。
• 优化算法：初始学习率0.1，验证集精度不变化后学习率除以10；batch size取256；l2 loss取0.0001；使用带动量的SGD，动量参数为0.9；weight decay取0.0001
• 测试时使用模型融合，分别计算224 256 384 480 640的图片，计算平均数。
• 没用dropout

5.一些解释以及一些理解

• 残差学习（residual learning）

• 在神经网络中，假设多个非线性层可以逼近某种复杂的函数，则它一定也可以逼近复杂的残差函数。例如$\mathcal{F}(x)$。所有我们令神经网络逼近$\mathcal{F}(x)$而不是$\mathcal{H}(x)$，并令多个非线性层需要逼近的函数为$\mathcal{F}(x)=\mathcal{H}(x)-x$。

  这么做的好处是，如果在这个残差块中，恒等映射是最优解，那么残差块久很容易驱使自己去学习到恒等变换，而不至于因为网络层数的增加而出现退化（degradtion）现象。

  同时，对已有的恒等变换进行学习，比重新寻找一个近似最优解要方便的多。

6.一些图片

• VGG-19网络，朴素网络，残差网络的构架。
  • 实线为同维度残差，虚线为不同维度残差。

• 不同深度的残差网络结构

• 不同深度对于残差网络与朴素网络的影响。（朴素网络会受到退化问题的影响，而残差网络不会。）

---

单词整理：

• preceptron

• auxiliary

• contrast

• precondition

• condition

• asymptotically approximate complicated functions

• notation