MobileNetV1
MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications
原文地址:MobileNetV1
代码:
TensorFlow官方
github-Tensorflow
github-Caffe
Abstract
MobileNets是为移动和嵌入式设备提出的高效模型。MobileNets基于流线型架构(streamlined),使用深度可分离卷积(depthwise separable convolutions,即Xception变体结构)来构建轻量级深度神经网络。
论文介绍了两个简单的全局超参数,可有效的在延迟和准确率之间做折中。这些超参数允许我们依据约束条件选择合适大小的模型。论文测试在多个参数量下做了广泛的实验,并在ImageNet分类任务上与其他先进模型做了对比,显示了强大的性能。论文验证了模型在其他领域(对象检测,人脸识别,大规模地理定位等)使用的有效性。
Introduction
深度卷积神经网络将多个计算机视觉任务性能提升到了一个新高度,总体的趋势是为了达到更高的准确性构建了更深更复杂的网络,但是这些网络在尺度和速度上不一定满足移动设备要求。MobileNet描述了一个高效的网络架构,允许通过两个超参数直接构建非常小、低延迟、易满足嵌入式设备要求的模型。
Related Work
现阶段,在建立小型高效的神经网络工作中,通常可分为两类工作:
**压缩预训练模型。**获得小型网络的一个办法是减小、分解或压缩预训练网络,例如量化压缩(product quantization)、哈希(hashing )、剪枝(pruning)、矢量编码( vector quantization)和霍夫曼编码(Huffman coding)等;此外还有各种分解因子(various factorizations )用来加速预训练网络;还有一种训练小型网络的方法叫蒸馏(distillation ),使用大型网络指导小型网络,这是对论文的方法做了一个补充,后续有介绍补充。
直接训练小型模型。 例如Flattened networks利用完全的因式分解的卷积网络构建模型,显示出完全分解网络的潜力;Factorized Networks引入了类似的分解卷积以及拓扑连接的使用;Xception network显示了如何扩展深度可分离卷积到Inception V3 networks;Squeezenet 使用一个bottleneck用于构建小型网络。
本文提出的MobileNet网络架构,允许模型开发人员专门选择与其资源限制(延迟、大小)匹配的小型模型,MobileNets主要注重于优化延迟同时考虑小型网络,从深度可分离卷积的角度重新构建模型。
Architecture
Depthwise Separable Convolution
MobileNet是基于深度可分离卷积的。通俗的来说,深度可分离卷积干的活是:把标准卷积分解成深度卷积(depthwise convolution)和逐点卷积(pointwise convolution)。这么做的好处是可以大幅度降低参数量和计算量。分解过程示意图如下:
输入的特征映射F FF尺寸为(DF,DF,M) (D_F,D_F,M)(D
F
,D
F
,M),采用的标准卷积K KK为(DK,DK,M,N) (D_K,D_K,M,N)(D
K
,D
K
,M,N)(如图(a)所示),输出的特征映射为G GG尺寸为(DG,DG,N) (D_G,D_G,N)(D
G
,D
G
,N)
标准卷积的卷积计算公式为:
Gk,l,n=∑i,j,mKi,j,m,n⋅Fk+i−1,l+j−1,m G_{k,l,n}=\sum_{i,j,m}K_{i,j,m,n}·F_{k+i-1,l+j-1,m}
G
k,l,n
=
i,j,m
∑
K
i,j,m,n
⋅F
k+i−1,l+j−1,m
输入的通道数为M MM,输出的通道数为N NN。对应的计算量为:DK⋅DK⋅M⋅N⋅DF⋅DF D_K·D_K·M·N·D_F·D_FD
K
⋅D
K
⋅M⋅N⋅D
F
⋅D
F
可将标准卷积(DK,DK,M,N) (D_K,D_K,M,N)(D
K
,D
K
,M,N)拆分为深度卷积和逐点卷积:
深度卷积负责滤波作用,尺寸为(DK,DK,1,M) (D_K,D_K,1,M)(D
K
,D
K
,1,M)如图(b)所示。输出特征为(DG,DG,M) (D_G,D_G,M)(D
G
,D
G
,M)
逐点卷积负责转换通道,尺寸为(1,1,M,N) (1,1,M,N)(1,1,M,N)如图©所示。得到最终输出为(DG,DG,N) (D_G,D_G,N)(D
G
,D
G
,N)
深度卷积的卷积公式为:
Gˆk,l,n=∑i,jKˆi,j,m⋅Fk+i−1,l+j−1,m \hat{G}_{k,l,n}=\sum_{i,j}\hat{K}_{i,j,m}·F_{k+i-1,l+j-1,m}
G
^
k,l,n
=
i,j
∑
K
^
i,j,m
⋅F
k+i−1,l+j−1,m
其中Kˆ \hat{K}
K
^
是深度卷积,卷积核为(DK,DK,1,M) (D_K,D_K,1,M)(D
K
,D
K
,1,M),其中mth m_{th}m
th
个卷积核应用在F FF中第mth m_{th}m
th
个通道上,产生Gˆ \hat{G}
G
^
上第mth m_{th}m
th
个通道输出.
深度卷积和逐点卷积计算量:$D_K·D_K·M·D_F·D_F + M·N·D_F·D_F $
计算量减少了:
DK⋅DK⋅M⋅DF⋅DF+M⋅N⋅DF⋅DFDK⋅DK⋅M⋅N⋅DF⋅DF=1N+1D2K \frac{D_K·D_K·M·D_F·D_F + M·N·D_F·D_F }{D_K·D_K·M·N·D_F·D_F}=\frac{1}{N} + \frac{1}{D_K^2}
D
K
⋅D
K
⋅M⋅N⋅D
F
⋅D
F
D
K
⋅D
K
⋅M⋅D
F
⋅D
F
+M⋅N⋅D
F
⋅D
F
=
N
1
+
D
K
2
1
深度分类卷积示例
输入图片的大小为(6,6,3) (6,6,3)(6,6,3),原卷积操作是用(4,4,3,5) (4,4,3,5)(4,4,3,5)的卷积(4×4 4×44×4是卷积核大小,3是卷积核通道数,5个卷积核数量),stride=1,无padding。输出的特征尺寸为6−41+1=3 \frac{6-4}{1}+1=3
1
6−4
+1=3,即输出的特征映射为(3,3,5) (3,3,5)(3,3,5)
将标准卷积中选取序号为n nn的卷积核,大小为(4,4,3) (4,4,3)(4,4,3),标准卷积过程示意图如下(注意省略了偏置单元):
黑色的输入为(6,6,3) (6,6,3)(6,6,3)与第n nn个卷积核对应,每个通道对应每个卷积核通道卷积得到输出,最终输出为2+0+1=3 2+0+1=32+0+1=3。(这是常见的卷积操作,注意这里卷积核要和输入的通道数相同,即图中表示的3个通道~)
对于深度分离卷积,把标准卷积(4,4,3,5) (4,4,3,5)(4,4,3,5)分解为:
深度卷积部分:大小为(4,4,1,3) (4,4,1,3)(4,4,1,3),作用在输入的每个通道上,输出特征映射为(3,3,3) (3,3,3)(3,3,3)
逐点卷积部分:大小为(1,1,3,5) (1,1,3,5)(1,1,3,5),作用在深度卷积的输出特征映射上,得到最终输出为(3,3,5) (3,3,5)(3,3,5)
例中深度卷积卷积过程示意图如下:
输入有3个通道,对应着有3个大小为(4,4,1) (4,4,1)(4,4,1)的深度卷积核,卷积结果共有3个大小为(3,3,1) (3,3,1)(3,3,1),我们按顺序将这卷积按通道排列得到输出卷积结果(3,3,3) (3,3,3)(3,3,3)。
相比之下计算量减少了:
4×4×3×5 4×4×3×54×4×3×5转为了4×4×1×3+1×1×3×5 4×4×1×3 + 1×1×3×54×4×1×3+1×1×3×5,即参数量减少了
4×4×1×3+1×1×3×54×4×3×5=2180即(15+142) \frac{4×4×1×3 + 1×1×3×5}{4×4×3×5}=\frac{21}{80}即(\frac{1}{5}+\frac{1}{4^2})
4×4×3×5
4×4×1×3+1×1×3×5
=
80
21
即(
5
1
+
4
2
1
)
MobileNet使用可分离卷积减少了8到9倍的计算量,只损失了一点准确度。
Network Structure and Training
标准卷积和MobileNet中使用的深度分离卷积结构对比如下:
注意:如果是需要下采样,则在第一个深度卷积上取步长为2.
MobileNet的具体结构如下(dw表示深度分离卷积):
除了最后的FC层没有非线性激活函数,其他层都有BN和ReLU非线性函数.
我们的模型几乎将所有的密集运算放到1×1 1×11×1卷积上,这可以使用general matrix multiply (GEMM) functions优化。在MobileNet中有95%的时间花费在1×1 1×11×1卷积上,这部分也占了75%的参数:
剩余的其他参数几乎都在FC层上了。
在TensorFlow中使用RMSprop对MobileNet做训练,使用类似InceptionV3 的异步梯度下降。与训练大型模型不同的是,我们较少使用正则和数据增强技术,因为小模型不易陷入过拟合;没有使用side heads or label smoothing,我们发现在深度卷积核上放入很少的L2正则或不设置权重衰减的很重要,因为这部分参数很少。
Width Multiplier: Thinner Models
我们引入的第一个控制模型大小的超参数是:宽度因子α \alphaα(Width multiplier ),用于控制输入和输出的通道数,即输入通道从M MM变为αM \alpha MαM,输出通道从N NN变为αN \alpha NαN。
深度卷积和逐点卷积的计算量:
DK⋅DK⋅αM⋅DF⋅DF+αM⋅αN⋅DF⋅DF D_K·D_K·\alpha M·D_F·D_F + \alpha M· \alpha N·D_F·D_F
D
K
⋅D
K
⋅αM⋅D
F
⋅D
F
+αM⋅αN⋅D
F
⋅D
F
可设置α∈(0,1] \alpha∈(0,1]α∈(0,1],通常取1,0.75,0.5和0.25 1,0.75,0.5和0.251,0.75,0.5和0.25。
计算量减少了:
DK⋅DK⋅αM⋅DF⋅DF+αM⋅αN⋅DF⋅DFDK⋅DK⋅M⋅N⋅DF⋅DF=αN+α2D2K \frac{D_K·D_K·\alpha M·D_F·D_F + \alpha M· \alpha N·D_F·D_F }{D_K·D_K·M·N·D_F·D_F}=\frac{\alpha}{N} + \frac{\alpha^2}{D_K^2}
D
K
⋅D
K
⋅M⋅N⋅D
F
⋅D
F
D
K
⋅D
K
⋅αM⋅D
F
⋅D
F
+αM⋅αN⋅D
F
⋅D
F
=
N
α
+
D
K
2
α
2
宽度因子将计算量和参数降低了约α2 \alpha^2α
2
倍,可很方便的控制模型大小.
Resolution Multiplier: Reduced Representation
我们引入的第二个控制模型大小的超参数是:分辨率因子ρ \rhoρ(resolution multiplier ).用于控制输入和内部层表示。即用分辨率因子控制输入的分辨率。
深度卷积和逐点卷积的计算量:
DK⋅DK⋅αM⋅ρDF⋅ρDF+αM⋅αN⋅ρDF⋅ρDF D_K·D_K·\alpha M·\rho D_F·\rho D_F + \alpha M· \alpha N·\rho D_F·\rho D_F
D
K
⋅D
K
⋅αM⋅ρD
F
⋅ρD
F
+αM⋅αN⋅ρD
F
⋅ρD
F
可设置ρ∈(0,1] \rho∈(0,1]ρ∈(0,1],通常设置输入分辨率为224,192,160和128 224,192,160和128224,192,160和128。
计算量减少了:
DK⋅DK⋅αM⋅ρDF⋅ρDF+αM⋅αN⋅ρDF⋅ρDFDK⋅DK⋅M⋅N⋅DF⋅DF=αρN+α2ρ2D2K \frac{D_K·D_K·\alpha M·\rho D_F·\rho D_F + \alpha M· \alpha N·\rho D_F·\rho D_F }{D_K·D_K·M·N·D_F·D_F}=\frac{\alpha \rho}{N} + \frac{\alpha^2 \rho^2}{D_K^2}
D
K
⋅D
K
⋅M⋅N⋅D
F
⋅D
F
D
K
⋅D
K
⋅αM⋅ρD
F
⋅ρD
F
+αM⋅αN⋅ρD
F
⋅ρD
F
=
N
αρ
+
D
K
2
α
2
ρ
2
分辨率因子将计算量和参数降低了约ρ2 \rho^2ρ
2
倍,可很方便的控制模型大小.
下面的示例展现了宽度因子和分辨率因子对模型的影响:
第一行是使用标准卷积的参数量和Mult-Adds;第二行将标准卷积改为深度分类卷积,参数量降低到约为原本的1/10,Mult-Adds降低约为原本的1/9。使用α和ρ \alpha和\rhoα和ρ参数可以再将参数降低一半,Mult-Adds再成倍下降。
Experiment
实验部分主要研究以下部分: 深度卷积的影响;宽度因子的影响;两个超参数的权衡;与其他模型对比。
Model Choices
使用深度分类卷积的MobileNet与使用标准卷积的MobileNet之间对比:
在精度上损失了1%,但是的计算量和参数量上降低了一个数量级。
原MobileNet的配置如下:
为了进一步缩小模型,可将MobileNet中的5层14×14×512 14×14×51214×14×512的深度可分离卷积去除。
实验结果对比:
可以看到在类似的参数量和计算量下,精度衰减了3%。(中间的深度卷积用于过滤作用,参数量少,冗余度相比于大量的逐点卷积应该是少很多的~)
Model Shrinking Hyperparameters
单参数验证
表6显示宽度因子对模型参数量、计算量精度的影响,表7显示分辨率因子对模型参数量、计算量精度的影响:
使用过程要权衡参数对模型性能和大小的影响。
交叉验证计算量对精度影响
图4显示了16个交叉的模型在ImageNet上的表现,宽度因子取值为α∈{1,0.75,0.5,0.25} \alpha∈\{1,0.75,0.5,0.25\}α∈{1,0.75,0.5,0.25},分辨率取值为{224,192,160,128} \{224,192,160,128\}{224,192,160,128}。
当模型越来越小时,精度可近似看成对数跳跃形式的。
交叉验证参数量对精度影响
图5显示了16个交叉的模型在ImageNet上的表现,宽度因子取值为α∈{1,0.75,0.5,0.25} \alpha∈\{1,0.75,0.5,0.25\}α∈{1,0.75,0.5,0.25},分辨率取值为{224,192,160,128} \{224,192,160,128\}{224,192,160,128}。
与其他先进模型相比
表8将完整的MobileNet与原始的GoogleNet和VGG16对比,MobileNet与VGG16有相似的精度,参数量和计算量减少了2个数量级。
表9是MobileNet的宽度因子α=0.5 \alpha=0.5α=0.5和分辨率设置为160×160 160×160160×160的缩小模型与其他模型对比结果,相比于老大哥AlexNet在计算量和参数量上都降低一个数量级,对比同为小型网络的Squeezenet,计算量少了2个数量级,在参数量类似的情况下,精度高了3%。
其他应用场景性能
Fine Grained Recognition
在Stanford Dogs dataset的表现如下:
MobileNet在计算量和参数量降低一个数量级的同时几乎保持相同的精度。
Large Scale Geolocalizaton
PlaNet是做大规模地理分类任务,我们使用MobileNet的框架重新设计了PlaNet,对比如下:
基于Inception V3架构的PlaNet有5200万参数和574亿的mult-adds,而基于MobileNet的PlaNet只有1300万参数(300个是主体参数,1000万是最后分类层参数)和58万的mult-adds,相比之下,只是性能稍微受损,但还是比原Im2GPS效果好多了。
Face Attributes
MobileNet的框架技术可用于压缩大型模型,在Face Attributes任务中,我们验证了MobileNet的蒸馏(distillation )技术的关系,蒸馏的核心是让小模型去模拟大模型,而不是直接逼近Ground Label:
将蒸馏技术的可扩展性和MobileNet技术的精简性结合到一起,最终系统不仅不需要正则技术(例如权重衰减和退火等),而且表现出更强的性能。
Object Detection
基于MobileNet改进的检测模型对比如下:
可视化结果:
Face Embeddings
FaceNet是现阶段最先进的人脸识别模型,基于MobileNet和蒸馏技术训练出结果如下:
Conclusion
论文提出了一种基于深度可分离卷积的新模型MobileNet,同时提出了两个超参数用于快速调节模型适配到特定环境。实验部分将MobileNet与许多先进模型做对比,展现出MobileNet的在尺寸、计算量、速度上的优越性。