浅谈 Mobilenet V1-V3

一：复杂网络模型移植问题

移植难点：

• 很多嵌入式，手机端无法使用庞大的网络结构
• 一个几百M的模型难以随便移植
• 复杂网络的参数和计算量庞大，难以DIY后强加训练，预期效果不尽人意

那么一个简洁时效的网络结构该如何设计呢，答案就是模型的剪枝策略。其实，剪枝和策略是两种侧重点不同的方法，前者是对较为冗长的网络结构进行训练后的删减简化，而后者则是直接设计出轻巧、高移植性的网络架构。本文针对Mobilenet重点讲解网络设计策略。

二：模型剪枝策略

1.剪枝

有关剪枝的具体细节可以参考本人另一篇文章

2.网络设计策略

几种常见的策略：

• Feature map的channels聚类
  
  对特征图每个通道的γ权重值聚类，如上图聚成四个簇。接着用每一个簇中心的权重值代替特征图，达到剪值效果。

• ensembling networks Learning
  
  借鉴类似随机森林的集成思想，首先用大量数据训练出N个网络集成的大型网络，将训练出的标签结果作为small net的目标标签（先验值），学起来的话会更容易，而且不易过拟合，可以理解为一群学长将自己几年的学习经验先分享给了你，那么直接对着他们的话学起来，自然就轻松许多，也会少走很多弯路（不易过拟合）。

• 类似SVD的网络分解法
  
  一种类似与奇异值分解的思想，如上图举例，在长度N和M层之间插入一个长度k的线性层，那么原本的param由M×N变成了M×K+N×K，肉眼可见的参数量减少。

---

上述几种老早提出的模型架构设计方法，效果都不尽人意，接下来我们的主角登场了。

三：Mobilenet v1的横空出世

上图是YOLO_v3目标检测模型在手机端的运行结果，时效性和准确度都达到了预期要求。那么为什么相对庞大的检测算法能如此轻易地移植到手机端呢？正是因为他们将YOLO_v3中的backbone替换成了Mobilenet_v1，替代了常用的Resnet和VGG作为backbone，降低了模型的复杂度，参数量和计算量大大减少。

下面我来讲讲Mobilenet_v1的思想，首先从经典卷积计算讲起：

传统的卷积就是一个filter对特征图的每个通道都进行卷积，虽然能融合不同通道的信息，却增加了计算量，拿下面的模型举例：

可见经典卷积所需计算量巨大，所以Mobilenet_v1提出了Depthwise卷积概念，每一个filler只对一层channel卷积计算，所以说input的通道数等于output的通道数，如下图所示：

那么输出和输入是对应的，怎么能扩展通道数呢，这里Mobilenet_v1又提出了Pointwise卷积概念，实际上就是通过Conv 1*1卷积，扩大了通道数，没什么特殊的，如下图所示：

综上所述，Mobilenet_v1实际上就是depthwise卷积 ＋ Pointwise卷积 的组合，作者又将他们整合成一个叫Depthwise Seperable卷积，整个Mobilenet_v1的核心步骤可用下图表示出：

Mobilenet_v1中其实还提出了一种新的激励函数ReLU6，当x超过6后y不再改变，增加了非线性与泛化能力，同时降低了梯度爆炸的风险。如下图：

最后，我们来看看参数量和计算量到底减少了多少，空口无凭，上图！

四：Mobilenet v2大杂烩

延用Mobilenet_v1中的可分离卷积，v2版本主要对架构进行了修改，主要是如下两点：

• 整体网络架构改变，借鉴Resnet思想，设计了反残差网络，也就是Shotcut模块。
• Relu激活函数改变，用线性替代

---

通过研究发现，ReLU对低维数据影响很大，部分数据会丢失，但对于高维数据，则没太大影响。

所以作者改变了v1中先depthwise后1×1卷积扩通道的架构，而是选择先1×1卷积扩大维度，后depthwise的架构，实验表明各效果相对于v1都有所提升。如下图所示：

其实这种架构，就是类似于将Resnet中的bottleneck思想反过来运用，先窄后宽— >先宽后窄。Shotcut模块如下图所示：


下面贴上Mobilenet_v2的整体结构框图，供大家参考学习：


对比实验结果：

五：Mobilenet v3完全体

借鉴Mobilenet_v2中的Shotcut结构的思想，v3版本又提出了SE结构，主要是如下两点：

• 引入Squeeze-Excitation结构
• 非线性变换改变，h-swish替代swish

---

SE-net其实就是将注意力机制引入到了特征图通道中来，先是S操作得到各channel的上下文全局信息，而后E操作，得到各通道权重，最后Fuse加权到特征图中。具体操作不再赘述，如下图所示：

SE-net可以和很多经典模型融合，如下图所示：

至于hard-swish并不是那么重要，直接贴图：


至此，v1-v3的结构全部讲完，最后贴上我们的Mobilenet_v3完全体的网络结构：
（exp size：bneck模块中neck的宽度，NL：非线性方法ReLU或hard-Swish）

效果分析：

---

  至此我对Mobilenet模型v1-v3版本，进行了简单讲解，希望对大家有所帮助，有不懂的地方或者建议，欢迎大家在下方留言评论。

我是努力在CV泥潭中摸爬滚打的江南咸鱼，我们一起努力，不留遗憾！