EfficientNet论文解读

最新推荐文章于 2023-06-28 10:53:31 发布

cosmosknight

最新推荐文章于 2023-06-28 10:53:31 发布

阅读量567

点赞数

分类专栏： AI文献阅读

本文链接：https://blog.csdn.net/qwertyu_1234567/article/details/103871113

版权

AI文献阅读专栏收录该内容

4 篇文章 1 订阅

订阅专栏

论文：EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks

论文原作者给出的代码链接：https://github.com/tensorflow/tpu/tree/master/models/official/efficientnet

第三方实现的PyTorch代码：https://github.com/lukemelas/EfficientNet-PyTorch

1. 论文动机

搭建神经网络时主观性其实是很强的，很多时候你是根本不知道应该搭建多少层，输入的图像高(H)和宽(W)应该是多少。所以一种通用的做法是使用文献中发表的网络结构。不过这篇文章不是讲你该怎么搭建网络结构，而是对于已有的网络，你该怎么优化它，使得它的参数和计算量最小化但是性能最优化。

通常要想使网络性能更优，一般是从如下三个角度去调节网络结构的：分辨率（或者说是输入图像尺寸）、每一个卷积层的channel数（也就是本文所说的width, 注意不要和图像的宽度搞混淆了）以及卷积层的数目（也就是网络的深度 depth）。作者展示了单一调节这三个量的效果，如下图1所示：

图1. 左图是单独调节网络宽度width（即channels）, 中间图是单独调节网络深度depth, 右图是单独调节网络的分辨率。

可以看到，单独调节这些量，最终在精度达到80%时，模型的精度提升很缓慢了，几乎是进入饱和了。或者按照原文所说的，调节这些量则对于大的网络，精度的增益减少了。

那如果不是单独调节这些量，而是做多维度的scaling，也即同时调节这些量会是什么效果呢？作者就给出了如下图2所示的手动调节这些量的效果：

图2.手动调节网络的宽度(w)，深度(d)和分辨率(r)后的结果。
不同颜色的线条代表不同的模型，同一线条上不同的点代表不同的网络宽度(w).

可以看到，同时调节网络的宽度，深度和输入图像分辨率可以使模型性能更优，可以突破单一参数变化时的模型精度，说明多维度的scaling是很有效的。那么该怎样去用一种自动的方法来找到这三个参数的最佳组合，使得网络最优化呢？这就是本文所要解决的一个问题。

2.论文解决方案（compound scaling method）

对于卷积神经网络的某一层 , $Y_{i}= \mathfrak{F}_{i}(X_{i})$ , 其中 $X_{i}$ 是输入到第层的张量，其大小为 $<H_{i}, W_{i}, C_{i} >$ ,这里为简便起见，忽略batch size； $\mathfrak{F_{i}}$ 表示一个卷积操作， $Y_{i}$ 表示第层的输出张量。对于一个完整的卷积网络 $\textit{N}$ （共k层），其可以用数学公式表达为：

事实上，很多卷积层可以被分配到不同的stage中，在每个stage中，这些卷积层有着相同的结构。因此一个卷积网络又可以被写成为如下形式：

$\mathfrak{F_{i}^{\mathrm{L_{i}}}}$ 表示在stage (注意不是第层卷积), 基础网络层 $\mathfrak{F_{i}}$ 层被重复了 $\mathrm{L_{i}}$ 次。那么本文所要做的就是通过多维度scaling, 也即同时调节网络的宽度(w), 深度(d)和分辨率(r) 来最优化网络精度，即：

因此，这篇文章所要做的就是找到合适的d, w 和 r, 使得网络的精度最优。那么该怎么找到d, w和 r 呢？本文给出了如下方法：

定义复合系数 $\phi$ ，以及三个参数（常数值） $\alpha$ ， $\beta$ 和 $\gamma$ ，使得满足如下关系：

这里的 $\phi$ 根据需求由人工来选择的，可以选为1,2,3..., 本文一直选到8。而其它三个参数 $\alpha$ ， $\beta$ 和 $\gamma$ 是通过格点搜索法(grid search)获得的。也就是选定一组 $\alpha$ ， $\beta$ 和 $\gamma$ 参数值，训练一个网络，然后比较所有的这些网络的精度，挑选出精度最高的网络所对应的的这三个 $\alpha$ ， $\beta$ 和 $\gamma$ 的值。不过这个需要有强大的硬件支持，Google有条件做，但普通公司很难去做这种事。

在用格点搜索法时，作者将 $\phi$ 设为1，这样求得的 $\alpha =1.2$ , $\beta =1.1$ , $\gamma =1.15$ 。这样得到的网络称为 EfficientNet-B0, 在求EfficientNet-B1 ~ EfficientNet-B7时， $\phi$ 取为2 ~8，而 $\alpha$ ， $\beta$ 和 $\gamma$ 一直设为 $\phi$ 取1时的值。在本文中，作者使用的主干网络(backbone )为MobileNets 和 ResNets.

3.论文结果

本文的这个方法的最大的好处是，在保证模型精度非常高的条件下，模型的参数量和计算量要比同级别精度的模型低好几倍。比如，EfficientNet-B7在ImageNet数据集上的top-1和top-5的精度分别为84.4%和97.1%, 是论文发表时的最高分数，但是它比现有的模型小8.4倍，模型推断时的速度比现有的模型快6.1倍。下表以及图3和图4展示了本文在ImageNet上的结果，其他更多的结果请参考原文。

4.部分细节说明

（1）模型的深度d变为原来的2倍，则总的计算量也变为原来的2倍。模型的分辨率变r为原来的2倍，则总的计算量也变为原来的2倍。这是可以理解的。比如d为原来的2倍，说明stage也扩展为原来的两倍。r 为原来的2倍，说明输入图像的高和宽也都是为原来的2倍，这样计算量就是原来的4倍了。

那么该如何理解网络宽度w为原来的2倍，计算量就是原来的4倍呢？这是因为输入输出通道都变成原来的2倍了，所以在计算量方面相当于4倍。具体可以这么理解：这里不以stage为例，只以单个卷积层为例。由于w为原来2倍，那么每一个卷积层的channel数都为原来的两倍，这样第层的channel为原来的两倍，那么卷积核的“channel”也得是原来的两倍，由于第 i+1 层的channel为原来的2倍，那么第层所需的卷积核数目也得是原来的2倍，才能使得生成的第 i+1 层卷积层的通道是原来的2倍。也就是4倍是来自于每个卷积核的通道增加为原来的2倍和每一个卷积层总的卷积核数目是原来的2倍，两者相乘就是4倍。

(2)模型的计算量的变化是由于d, w和 r的变化造成的，也即计算量正比于 $d\cdot w^{2}\cdot r^{2}$ ,也即正比于 $\left ( \alpha \cdot \beta ^{2}\cdot \gamma ^{2} \right )^{\phi }$ ，文中作者把

$\alpha \cdot \beta ^{2}\cdot \gamma ^{2} \right\approx 2$ 是为了使得 $\phi$ 取不同值时，模型的计算量的增加近似满足 $2^{\phi }$ 倍。我想应该也可以设置为3,4,5等等，不过这样计算量增加的太大了点。

(3) 可能大家有这样的困惑， $\alpha, \beta, \gamma$ 的值都是大于1的，那么相应的d, w, r都要比主干网络大，那么得到的EfficientNet应该要比主干网络大，那怎么能说更高效呢？我的理解是这样的：文中在得到EfficientNet-B0时，的确是比它的主干网络大，在论文的表1中，它用的主干网络是“mobile inverted bottleneck MBConv”, 但是我们和其他网络在对比性能的时候是按照模型的精度和FLOPS同时对比的，将模型精度差不多的几个网络和EfficientNet一起对比，而这几个网络很可能就不是这里的主干网络了。例如，从上表可以看出，EfficientNet-B0的精度比ResNet-50, DenseNet-169略微好一点，但是模型的参数和计算量却大大下降了，所以说是高效的。再比如EfficientNet-B3的精度比ResNeXt-101以及PolyNet略微好一点，但是模型参数和计算量也大大下降了。所以用哪一个EfficientNet和哪些其他模型对比主要是按照模型精度来划分的，就是为了说明，在精度差不多时，EfficientNet系列的模型参数量和计算量比其他模型大大下降了，体现了高效。