《Densely Connected Convolutional Networks》阅读笔记

《Densely Connected Convolutional Networks》阅读笔记

代码地址：https://github.com/liuzhuang13/DenseNet

首先看一张图： 
 
稠密连接：每层以之前层的输出为输入，对于有L层的传统网络，一共有 L [Math Processing Error]个连接，对于DenseNet，则有 L(L+1)2 [Math Processing Error]。

这篇论文主要参考了Highway Networks，Residual Networks (ResNets)以及GoogLeNet，通过加深网络结构，提升分类结果。加深网络结构首先需要解决的是梯度消失问题，解决方案是：尽量缩短前层和后层之间的连接。比如上图中， H4 [Math Processing Error]层可以直接用到原始输入信息 X0 [Math Processing Error]，同时还用到了之前层对 X0 [Math Processing Error]处理后的信息，这样能够最大化信息的流动。反向传播过程中， X0 [Math Processing Error]的梯度信息包含了损失函数直接对 X0 [Math Processing Error]的导数，有利于梯度传播。 
DenseNet有如下优点： 
1.有效解决梯度消失问题 
2.强化特征传播 
3.支持特征重用 
4.大幅度减少参数数量

接着说下论文中一直提到的Identity function： 
很简单 就是输出等于输入 f(x)=x [Math Processing Error] 

传统的前馈网络结构可以看成处理网络状态（特征图？）的算法，状态从层之间传递，每个层从之前层读入状态，然后写入之后层，可能会改变状态，也会保持传递不变的信息。ResNet是通过Identity transformations来明确传递这种不变信息。

网络结构： 

每层实现了一组非线性变换 Hl(.) [Math Processing Error]，可以是Batch Normalization (BN) ,rectified linear units (ReLU) , Pooling , or Convolution (Conv). 第 l [Math Processing Error]层的输出为 xl [Math Processing Error]。 
对于ResNet： 

xl=Hl(xl−1)+xl−1

[Math Processing Error]  
这样做的好处是the gradient flows directly through the identity function from later layers to the earlier layers. 
同时呢，由于identity function 和 H的输出通过相加的方式结合，会妨碍信息在整个网络的传播。

受GooLeNet的启发，DenseNet通过串联的方式结合： 

xl=Hl([x0,x1,...,xl−1])

[Math Processing Error]

这里 Hl(.) [Math Processing Error]是一个Composite function，是三个操作的组合： BN−>ReLU−>Conv(3×3) [Math Processing Error]

由于串联操作要求特征图 x0,x1,...,xl−1 [Math Processing Error]大小一致，而Pooling操作会改变特征图的大小，又不可或缺，于是就有了上图中的分块想法，其实这个想法类似于VGG模型中的“卷积栈”的做法。论文中称每个块为DenseBlock。每个DenseBlock的之间层称为transition layers，由 BN−>Conv(1×1)−>averagePooling(2×2) [Math Processing Error]组成。

Growth rate：由于每个层的输入是所有之前层输出的连接，因此每个层的输出不需要像传统网络一样多。这里 Hl(.) [Math Processing Error]的输出的特征图的数量都为 k [Math Processing Error]， k [Math Processing Error]即为Growth Rate，用来控制网络的“宽度”（特征图的通道数）.比如说第 l [Math Processing Error]层有 k(l−1)+k0 [Math Processing Error]的输入特征图， k0 [Math Processing Error]是输入图片的通道数。

虽然说每个层只产生 k [Math Processing Error]个输出，但是后面层的输入依然会很多，因此引入了Bottleneck layers 。本质上是引入1x1的卷积层来减少输入的数量， Hl [Math Processing Error]的具体表示如下

BN−>ReLU−>Conv(1×1)−>BN−>ReLU−>Conv(3×3)

[Math Processing Error]  
文中将带有Bottleneck layers的网络结构称为DenseNet-B。

除了在DenseBlock内部减少特征图的数量，还可以在transition layers中来进一步Compression。如果一个DenseNet有m个特征图的输出，则transition layer产生  ⌊θm⌋ [Math Processing Error]个输出，其中 0<θ≤1 [Math Processing Error]。对于含有该操作的网络结构称为DenseNet-C。

同时包含Bottleneck layer和Compression的网络结构为DenseNet-BC。 
具体的网络结构：

实验以及一些结论 
在CIFAR和SVHN上的分类结果（错误率）： 

L [Math Processing Error]表示网络深度， k [Math Processing Error]为增长率。蓝色字体表示最优结果，+表示对原数据库进行data augmentation。可以发现DenseNet相比ResNet可以取得更低的错误率，并且使用了更少的参数。 
接着看一组对比图： 

前两组描述分类错误率与参数量的对比，从第二幅可以看出，在取得相同分类精度的情况下，DenseNet-BC比ResNet少了 23 [Math Processing Error]的参数。第三幅图描述含有10M参数的1001层的ResNet与只有0.8M的100层的DenseNet的训练曲线图。可以发现ResNet可以收敛到更小的loss值，但是最终的test error与DenseNet相差无几。再次说明了DenseNet参数效率（Parameter Efficiency）很高！

同样的在ImageNet上的分类结果： 

右图使用FLOPS来说明计算量。通过比较ResNet-50，DenseNet-201，ResNet-101，说明计算量方面，DenseNet结果更好。