[Paper Reading Note]Aggregated Residual Transformations for Deep Neural Networks

Paper Reading Note

URL: https://arxiv.org/pdf/1611.05431.pdf

TL;DR

---

提出了一种新的backbone结构ResNeXt用于图像分类任务，该结构具有同质性，具有多个相同拓扑结构的branch，这种结构也引入了除width, depth之外的一种新的维度cardinality（基数），实验证明，增加基数能够提高分类准确性，同时，随着模型容量增多，增加基数也比增加宽度和深度更加有效

Dataset/Algorithm/Model/Experiment Detail

ResNeXt的结构如图1右侧所示，其使用了VGG/ResNets中重复网络层的策略，同时希望在保证FLOPs和参数量不变的情况下，使用一种简单的方式来探索split-transform-merge策略。这种策略在Inception被广泛使用，但和所有Inception都不同的是，ResNeXt中所有的branch都具有相同的拓扑结构，因此，path的数量也可以单独作为一个被观察的因素。

图1左侧的ResNet参数量计算如下：

图1右侧的ResNeXt的参数量为：

在bottleneck参数 $d=4$ ，基数等于32的情况下，公式(4)也约为70k，因此二者参数量大致相同，对于ResNeXt中block，作者则给出了三种等价的实现，如图3©所示，ResNeXt可以认为是在ResNet中加入了group conv

以图3©为基础设计的template以及其参数量计算如表1所示

实验部分，如表3所示，一定范围内增大基数确实可以提升模型性能

表4则显示，在增加计算量时，增加基数获得的收益要超过增加深度和宽度

在分类任务上的结果如表5和表6所示


在COCO上的检测结果如表8所示，同样有提升

Thoughts

把Inception的思想融合进ResNet，但使用同质的拓扑结构，增加了基数这一参数，在计算量不变的前提下，提升了ResNet的性能