回头看SE注意力机制及其PyTorch实现

2017年，Hu等人发表了《Squeeze-and-Excitation Networks》，在文中创新性地提出了一种基于特征通道关系的轻量化模块，并将其称之为SE（Squeeze-and-Excitation） block，即SE注意力机制。这一模块为当时已经达到SOTA（state-of-the-art）水平的网络模型带来了进一步的效果提升，凭借其出色的效果和即插即用的特性，SE注意力机制成为了软注意力机制中的经典。

从文章中看

作者在文章中提出，SE模块可以利用图像特征通道之间的相互依赖性，使网络对于全局信息有选择性地强调某些重要的特征，抑制不太有用的特征，以此来增强模型的表达能力，提高网络的性能。这一功能即为一种注意力机制。文中对SE模块的各阶段步骤和原理进行了详尽介绍，并将SE模块与ResNet和Inception两种经典结构进行结合，通过大量实验进一步证明了SE模块的有效性。

浅谈原理

SE模块的结构示意如上图所示。可以看到对于输入信息X，先对其进行基本的卷积操作$F_{tr}$，得到大小为$W\ast H\ast C$的特征U，其中W和H分别表示宽和高，C表示特征通道数。

接下来进入到了SE模块的核心操作，这部分操作分为两个阶段，即：Squeeze和Excitation，我们暂且称之为压缩和激活，两个阶段的具体步骤如下图所示。

压缩（Squeeze）

这部分是对输入的$W\ast H\ast C$的特征U执行$F_{sq}$操作，将其输出为$1\ast 1\ast C$的向量，可以理解为一个全局平均池化层，

激活（Excitation）

这一部分是对压缩后得到的输出向量执行$F_{ex}$操作，操作由全连接+ReLU激活+全连接+Sigmoid复合构成。其中设置缩放参数r减少特征通道个数进而控制计算量。

在这一部分输出得到$1\ast 1\ast C$的向量，其中便包含了特征中各通道权重值，将其与先前的特征U相乘，即可得到根据各通道之间相互依赖关系所激活的特征$\hat{X}$。

以上便完成了SE模块的主要工作，可以看到，SE模块的引入对于现有网络模型结构的改动是极小的，而两个阶段所增加的计算量相较于性能的提升而言，基本可以忽略不计。

ResNet-18与SE注意力机制相结合的简易实现（PyTorch）

在残差网络中引入SE模块的设计结构如上图所示，作者在文中的实验里对ResNet-50进行了改进，而考虑到现有GPU条件有限，在这里我们尝试实现改进最简单的ResNet-18，更深层网络的改进步骤与ResNet-18类似，并选择MNIST数据集完成手写数字识别的任务，就实验实际效果而言，增加SE注意力机制后的模型的确得到了很大程度的提升。

import torch
from torch import nn
from torchvision.datasets import MNIST
from torch.nn import functional as F
from torch import optim
import torchvision.transforms as transforms
from torch.utils.data import DataLoader


class SEBlock(nn.Module):
    def __init__(self, in_channels, reduction=16):
        super(SEBlock, self).__init__()
        self.avg_pool = nn.AdaptiveAvgPool2d(1)
        self.fc = nn.Sequential(
            nn.Linear(in_channels, in_channels // reduction, bias=False),
            nn.ReLU(inplace=True),
            nn.Linear(in_channels // reduction, in_channels, bias=False),
            nn.Sigmoid()
        )

    def forward(self, x):
        b, c, _, _ = x.size()
        y = self.avg_pool(x).view(b, c)
        y = self.fc(y).view(b, c, 1, 1)
        return x * y.expand_as(x)


class SE_ResidualBlock(nn.Module):
    def __init__(self, in_channels, out_channels, strides=1):
        super(SE_ResidualBlock, self).__init__()
        self.conv1 = nn.Conv2d(in_channels, out_channels, kernel_size=3, stride=strides, padding=1, bias=False)
        self.bn1 = nn.BatchNorm2d(out_channels)
        self.conv2 = nn.Conv2d(out_channels, out_channels, kernel_size=3, stride=1, padding=1, bias=False)
        self.bn2 = nn.BatchNorm2d(out_channels)
        self.se = SEBlock(out_channels)

        self.shortcut = None
        if strides != 1 or in_channels != out_channels:
            self.shortcut = nn.Sequential(
                nn.Conv2d(in_channels, out_channels, kernel_size=1, stride=strides, bias=False),
                nn.BatchNorm2d(out_channels)
            )

    def forward(self, x):
        out = F.relu(self.bn1(self.conv1(x)))
        out = self.bn2(self.conv2(out))
        out = self.se(out)
        if self.shortcut:
            x = self.shortcut(x)
        out += x
        out = F.relu(out)
        return out


class SE_ResNet(nn.Module):
    def __init__(self):
        super(SE_ResNet, self).__init__()
        self.conv1 = nn.Conv2d(1, 64, kernel_size=7, stride=2, padding=3)
        self.bn1 = nn.BatchNorm2d(64)
        self.pool1 = nn.MaxPool2d(kernel_size=3, stride=2)

        self.layer1 = self.make_layer(64, 64, 2, strides=2)
        self.layer2 = self.make_layer(64, 128, 2, strides=2)
        self.layer3 = self.make_layer(128, 256, 2, strides=2)
        self.layer4 = self.make_layer(256, 512, 2, strides=2)

        self.avgpool = nn.AdaptiveAvgPool2d((1, 1))
        self.fc = nn.Linear(512, 10)

    def make_layer(self, in_channels, out_channels, num_blocks, strides=1):
        layers = []
        layers.append(SE_ResidualBlock(in_channels, out_channels, strides))
        for _ in range(num_blocks - 1):
            layers.append(SE_ResidualBlock(out_channels, out_channels, strides))

        return nn.Sequential(*layers)

    def forward(self, x):
        out = self.conv1(x)
        out = self.bn1(out)
        out = nn.ReLU(inplace=True)(out)
        out = self.pool1(out)

        out = self.layer1(out)
        out = self.layer2(out)
        out = self.layer3(out)
        out = self.layer4(out)

        out = self.avgpool(out)
        out = out.view(out.size(0), -1)
        out = self.fc(out)

        return out


# 定义数据预处理函数
transform = transforms.Compose([
    transforms.RandomResizedCrop(224),
    transforms.RandomHorizontalFlip(),
    transforms.ToTensor(),

])
transform = transforms.Compose([transforms.ToTensor(),
                                transforms.Normalize((0.1307,),
                                                     (0.3081,))])
# 加载训练集和验证集
train_dataset = MNIST(root='../data/', train=True, transform=transform, download=True)
validation_dataset = MNIST(root='../data/', train=False, transform=transform)

batch_size = 128
train_loader = DataLoader(dataset=train_dataset, batch_size=batch_size, shuffle=True)
validation_loader = DataLoader(dataset=validation_dataset, batch_size=batch_size, shuffle=False)

model = SE_ResNet()
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print('Device:', device)
model = model.to(device)

criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(model.parameters(), lr=0.01, momentum=0.9)

# 训练模型
num_epochs = 10
for epoch in range(num_epochs):
    for i, (inputs, labels) in enumerate(train_loader):
        inputs, labels = inputs.to(device), labels.to(device)
        optimizer.zero_grad()
        outputs = model(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()

        if (i + 1) % 100 == 0:
            print('Epoch [{}/{}], Step [{}/{}], Loss: {:.4f}'.format(epoch + 1,
                                                                     num_epochs, i + 1,
                                                                     len(train_loader),
                                                                     loss.item()))

    # 在验证集上测试模型
    with torch.no_grad():
        correct = 0
        total = 0
        for inputs, labels in validation_loader:
            inputs, labels = inputs.to(device), labels.to(device)
            outputs = model(inputs)
            _, predicted = torch.max(outputs.data, 1)
            total += labels.size(0)
            correct += (predicted == labels).sum().item()

        accuracy = 100 * correct / total
        print('Accuracy of the network on the validation images: %d %%' % (accuracy))

参考文献

《Squeeze-and-Excitation Networks》