CNN（卷积神经网络）基础网络总结

00：11

已于 2024-04-30 09:29:36 修改

阅读量1.6k

点赞数 26

分类专栏：卷积神经网络CNN 文章标签： cnn 人工智能神经网络

于 2024-04-29 10:25:58 首次发布

本文链接：https://blog.csdn.net/weixin_63935879/article/details/138222435

版权

卷积神经网络CNN 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

一.网络分类

按网络结构、网络性质分为

VGG系列网络
基于Inception块的网络
基于残差结构的网络
轻量型网络
注意力机制相关网络
其他变种

共计18种基础网络

二.详细介绍

1.VGG系列

VGG系列主要包括VGG11、VGG13、VGG16、VGG19，结构大差不差，都是由基本模块进行堆叠而成

（1）核心思想：

将大卷积核（例如：5x5，7x7）转化为多个小卷积（3x3）核进行替代，5x5conv用2个3x3conv代替，7x7conv用3个3x3卷积进行代替

（2）网络结构：

不论VGG11、VGG13、VGG16还是VGG19都是由以下结构构成的

5层卷积
每层卷积之间使用maxpool连接
所有激活函数均使用ReLU函数
3层全连接层（FC）
softmax输出层

其中每层卷积层使用的卷积尺寸均为3x3，并且每经过一层卷积，通道数翻倍，直到输出通道数达到512

更加直观的结构图如下图

（3）VGG系列的优缺点

优点：

1.结构简单

整个网络都是由3x3conv和2x2的maxpool构成+3个FC+softmax

2.使用小卷积核

通过使用小卷积核代替大卷积核，减少参数，相当于进行了更多非线性映射

VGG模型能够实现多次非线性变换。这种设计允许网络在不同的抽象层次上逐步提取特征，从简单的边缘、纹理到复杂的形状和物体组成部分。相较于使用单个大卷积核（如7x7或更大），多层小卷积核构成的深度结构能够构建出更丰富、更复杂的特征表示，从而提高模型对各种视觉模式的识别和区分能力

3.小池化层

跟AlexNet3x3池化相比VGG池化均采用2x2的池化核

4.层数更深，特征图更宽

卷积核集中在通道数的扩大上

缺点：

1.耗费更多的计算资源

2.内存占用大（140M）

VGG有三个FC层，绝大多数参数来自FC层

2.基于Inception块的网络

Inception块

将多个卷积或者池化操作进行并联，组成一个网络模块，将其视为一个整体，以这个整体为单位去组装整个网络

基本的Inception块

加宽了网络结构，实际上inception背后的基本假设是跨通道相关性和空间相关性的充分解耦

（1）GoogleNet

a.GoogleNet的Inception块

注：每个conv后都有一个ReLU

b.1x1 conv

多个卷积卷积操作进行并联容易产生太多参数

卷积层可学习参数个数 = 输入通道数 x 输出通道数 x 卷积尺寸

例如：（inputchannel = 64 ，outputchannel = 128 ，3）的卷积操作可学习参数个数为 64*128*3 = 24,576个

所以引入1x1 conv

1x1卷积在空间维度上不做任何操作，不改变宽高，用于实现升维和降维，1x1卷积可以实现特征图的降维，有效减少模型参数量和计算复杂度，有助于模型轻量化。相反，使用更多输出通道则可实现升维，增加模型的表达能力

c.网络结构

5个stage，9个inception块

（2）InceptionV3

a.InceptionV3的Inception块

stage2：

stage3：

stage4：

stage5：

stage 6：

b. 改进

将部分3x3卷积换成1x7和7x1

c.网络结构

stage1：

每个conv后接一个relu

stage2：

3个stage2对应的基本模块进行堆叠

stage3：

1个stage3对应的基本模块进行堆叠

stage4：

4个stage4对应的基本模块进行堆叠

stage5：

1个stage5对应的基本模块进行堆叠

stage6：

2个stage6对应的基本模块进行堆叠

全局均值池化 globalaveragepool

(3)InceptionV4

InceptionV4的三种基础Inception结构与InceptionV3中使用的结构基本一样，但InceptionV4引入了一些新的模块形状及连接设计，在网络的早期阶段引入了“Stem”模块，用于快速降低特征图的分辨率，从而减少后续Inception模块的计算量

a.基本模块

stem模块：

在网络的早期进行引入，快速降低特征图分辨率，减少后续计算量

Inception-A结构:

Redution-A结构:

Inception B:

对应InceptionV3中结构的Ⅱ，将Inception的1x3conv和3x1conv变成了1x7conv和7x1conv

Redution-B结构：

特点：并行的不对称的1x1conv来降低计算量

Inception-C结构：

将InceptionV3中结构Ⅲ的3x3conv变成了1x3conv和3x1conv并联结构

b.网络结构

（4）Inception_resnet_V2

将Inception模块和残差结构进行结合，和InceptionV4相同的计算损耗，但是训练速度比InceptionV4快

a.基本模块

stem:

Inception-resnet-A结构：

1x1卷积的目的是为了保持主分支和shortcut分支的通道数一致

Inception-restnet-reduction-A结构：

Inception-resnet-B：

inception-resnet-reduction-B:

inception-resnet-C：

b.残差快的缩放

残差缩放因子：

为了防止随着网络层数增加导致的卷积核个数过多，对残差块的输出进行缩放能够稳定训练，因此引入残差缩放因子

作用：防止网络卷积数量较多，出现不稳定

通常取0.1-0.3

结构：

c.网络结构

3.基于残差结构的网络

（1）resnet

a.resnet块

残差块的结构分为两种，浅层的resnet网络使用3x3conv-3x3conv（左图），较为深层的resnet使用1x1conv-3x3conv-1x1conv（右图）

第二种结构中1x1卷积用来升维和降维，先用第一个1x1conv降低通道数，减少3x3conv卷积时的计算量，然后再用1x1卷积进行升维，还原维度

注：主分支和shortcut分支进行的是add操作，而不是concat

b.网络结构

多个残差快进行堆叠

若主支路的步长不为1，进行了下采样，那么需要在shortcut支路上添加1x1conv来调整通道数，使其保持一致

（2）resnext

a.思想

残差网络

分组卷积：每组包含多条并行路径，每条路径用于学习不同的特征

分组卷积的思想是源于inception，不同于inception的需要人为设计每个分支，resnext的每个分支的拓扑结构是相同的。最后再结合残差网络，得到的便是resnext

b.基数组

基数是用来确定有多少个并行路径，基数参数（通常表示为“C”）确定组内有多少个并行路径

c.模块结构

并行结构被实现为瓶颈块

其中，1x1卷积用来降低输入特征维度，3x3卷积用来捕获更复杂的特征，然后用1x1卷积再还原通道的特征维度

（3） resnet_in_resnet

基于resnet更加泛化的网络结构，同时保留了两个流，分别是residual stream残差流和transient stream原始卷积流

RIR网络作为ResNet网络的二次开发在残差流（residual streams）和缓存流（non-residual streams）中结合了残差网络和标准卷积网络的网络结构，该方法使用广义残差块（generalized residual blocks）保留了短接（identity shortcut connections）优化的优势同时提高了表达能力和简化了移除无效信息的难度

a.核心结构

b.意义

（4）preactresnet

a.核心-----前置激活

将conv---bn---relu的顺序换成了bn---relu---conv，即激活函数在卷积之前

作用：

简化优化过程：数据输入首先进行标准化，使得每一层的输入具有0均值和单位方差

增强relu的非线性表达能力：有效避免传统结构中由于输入分布偏斜导致relu大量输出为0，出现死神经元

改善梯度流：不管梯度有多深，整个网络中都不会产生梯度弥散问题

b.网络结构

左图为resnet提出的网络结构，是经典的conv-bn-relu的结构，右图正是由于激活函数在卷积层之前，因此也被称为Preactresnet

（5）wideresnet

随着深度学习的发展，层数不断增加，分类精确度每提高百分之一的代价几乎是层数的两倍。所以训练特别深的网络存在一个问题-----特征利用率下降，很多学者便从另一角度对神经网络进行研究，不再一味的去追求神经网络的深度，而是考虑去加宽网络结构

a.宽残差块

通过增加特征通道数来加宽网络，wideresnet只比resnet多了一个加宽因子k

结构：

b.网络结构

c.特点

引入了dropout

由于需要大量数据进行扩充，批量归一化已经失效，引入了dropout这一正则化手段来防止过拟合

在神经网络学习过程中，随机删除一部分神经元。训练时，随机选出一部分神经元，将其输出设置为0，这些神经元不对外传递信号

左图是完整的神经网络，右图是应用了Dropout之后的网络结构。应用Dropout之后，会将标了× \times×的神经元从网络中删除，让它们不向后面的层传递信号。在学习过程中，丢弃哪些神经元是随机决定，因此模型不会过度依赖某些神经元，能一定程度上抑制过拟合

（6）senet

a.注意力机制

注意力机制是对提取的特征进行加权，进行提取重要特征忽略次要特征的作用不同模型的提取手段不同，旨在通过显式建模卷积特征通道之间的相互依赖关系来提高网络的表示能力

b.SE Block

分为压缩（Squeeze）和激励（Excitation）两部分

压缩：原始特征图像的维度为H*W*C，其中H是高度，W是宽度，C是通道数。压缩处理将H*W*C压缩为1*1*C，相当于把H*W压缩成一维，这一操作一般使用globalaveragepooling实现。

激励：使用包含两个全连接层的bottleneck结构来学习各个通道之间的关系，并得到不同的权重，第一个全连接层起到降维的作用，然后采用relu激活。第二个全连接层恢复原始维度，并使用Sigmoid激活函数对通道的权重进行归一化处理，最后进行scale操作。

整个操作可以看成学习到了各个通道的权重系数，从而使得模型对各个通道的特征更有辨别能力，这也算是一种attention机制。

总的来说SE Block就是在Layer的输入输出之间添加结构：

c.推广及应用

SE模块是通用的，可以嵌入到现有网络架构中，如ResNet和Inception，形成SE-ResNet和SE-Inception等变种

（7）stochasticdepth

随机动态网络，为了解决因网络结构太深所导致的梯度消失和训练时间过长等问题，实现了特征的重用

a.实现

训练过程中，随机让resnet中的一些层失效，直接通过skip connection传播，那么如何确定让哪些层失效呢？在训练过程中引入Bernoulli random随机概率参数，使用torch.bernoulli（）函数进行bernouli试验，这个函数接收一个张量作为参数，返回一个同样形状的张量，其中每个元素为0（失败）或1（成功），并且每个元素值独立地以对应的输入概率进行产生。

使用的基本的residualblock结构为：conv-bn-relu-conv-bn

b.compare with dropout

相似：dropout是让反向传播过程中的一些权重的梯度随机变为0，stochasticdepth的方法是让整个某一层失效

不同：stochasticdepth可以调整整个网络的深度和宽度，dropout无法和BN层一起使用

4.轻量级模型

Mobilenet系列

深度可分离卷积（DW)

mobilenet模型是针对手机等嵌入式设备提出的一种轻量级神经网络，实际上整个网络也是深度可分离模块的堆叠

深度可分离卷积是mobilenet的基本单元包括深度卷积和逐点卷积

深度卷积：对于标准卷积来说，其卷积核运用到所有的通道上，而深度卷积每个卷积核对应一个输入通道，深度卷积是逐通道的操作，利用groups来实现

逐点卷积:使用的是1x1conv，是对深度卷积的输出进行融合

具体结构如下：

左图为传统卷积，右图为深度可分离卷积

（1）Mobilenet

由深度可分离卷积模块进行堆叠

a.网络结构

steam：

3x3conv--DW 3x3--point

conv1:

2个深度可分离模块进行堆叠

conv2：

2个深度可分离模块进行堆叠

conv3：

6个深度可分离模块进行堆叠

conv4：

2个深度可分离模块进行堆叠

池化层+全连接层：

globalaveragepool

（2）MobilenetV2

对比MobilenetV1吗，存在的问题包括结构简单，以及DW训练部分的kernel容易被训废掉，DW训练出来的kernel有不少是空的

a.反向残差块的构建

反向残差:

常规的残差结构是1x1降维---3x3卷积---1x1升维，呈现出沙漏形；

而反向残差结构是1x1升维---3x3DW卷积---1x1卷积降维，形成一个纺锤形

激励函数使用的是ReLU6

定义： f（x）= min（max（0，x），6）

如果tensor维度越低，卷积层的乘法计算量就越小。那么如果整个网络都是低维的tensor，那么整体计算速度就会很快。然而，如果只是使用低维的tensor效果并不会好。如果卷积层的过滤器都是使用低维的tensor来提取特征的话，那么就没有办法提取到整体的足够多的信息。所以，如果提取特征数据的话，我们可能更希望有高维的tensor来做这个事情，V2就设计这样一个结构来达到平衡

Shufflenet系列

（1）shufflenet

为了降低计算量，卷积网络通常在3x3conv之前增加一个1x1conv，用于通道间的信息流通和降维。然而在ResNext、MobileNet等高性能的网络中，1x1卷积却占用了大量的计算资源（通道数过多）。于是在shufflenet加入组卷积和通道混洗，目的在于优化网络结构，有效降低1x1逐点卷积计算量，高效轻量化网络

a.通道混洗

当前先进的轻量化网络大都使用深度可分离卷积或者组卷积，以降低网络的计算量，但这两种操作都无法改变特征的通道数，因此还需要使用1x1卷积

上图中a图代表了常规的两个组卷积操作，可以直观的看出如果没有逐点的1x1卷积或者通道混洗，最终输出的特征仅由一部分输入通道的特征计算得出，这一操作阻碍了信息的流通，进而降低了特征的表达能力

因此，我们希望在一个组卷积之后，能够将不同组的信息进行融合，类似于图b的操作，将每一个组的特征分散到不同组之后，再进行下一次组卷积，这样输出的特征就能够包含每一个组的特征，而通道混洗恰好可以实现这一过程，如图c。通道混洗可以通过几个常规的张量操作来实现，如下图所示。

这里对输入通道做了1-12的编号，分成3个组，每组包含4个通道

b.混洗分组卷积（SGC）

将分组卷积和通道混洗机制相结合，将通道进行分组相比普通的卷积参数减少一半

分组卷积虽然可以使参数进行减少，但是会阻碍通道之间的流通，于是为了改善这一情况，引入了通道混洗操作，对于分组产生问题的解决方法就是引入混洗机制

c.网络结构

图a是一个带有深度可分离卷积的残差模块，这里的1×1是逐点的卷积。相比深度可分离卷积，1×1计算量较大。图b则是基本的ShuffleNet基本单元，可以看到1×1卷积采用的是组卷积，然后进行通道的混洗，这两步可以取代1×1的逐点卷积，并且大大降低了计算量。3×3卷积仍然采用深度可分离的方式。图c是带有降采样的ShuffleNet单元，在旁路中使用了步长为2的3×3平均池化进行降采样，在主路中3×3卷积步长为2实现降采样。另外，由于降采样时通常要伴有通道数的增加，ShuffleNet直接将两分支拼接在一起来实现了通道数的增加，而不是常规的逐点相加