计算机视觉知识点-基础网络-ResNet

2015年，ResNet网络的提出，让超过100层深度的网络成为可能，在ResNet网络提出之前，如果网络层次太深，会产生识别率下降，网络难于收敛的问题。ResNet论文提出里一个很直观的解决方法。如下图：

F（i）表示第i层对数据的修改作用，左图是一般的深度网络的偏转效果，右图是作者提出的网络的效果。通过采用拟合res的方法，实现了有图的效果。

图中，左边的网络需要拟合f(x), 而右边的网络需要拟合f(x)-x, 这个也就是残差这个名字的由来。如果想让网络在传递过程中不发生偏转，只需让网络什么都不做，就可以达到f(x)=x的效果。这样网络就很容易不偏转。resnet1.0网络跟googlenet相比有如下特点：1）增加了batchnormalization. 2）提出了res结构

使用mxnet进行一下代码演示。mxnet的安装方法

pip install d2l==0.14.3
pip install -U mxnet-cu101mkl==1.6.0.post0  
pip install gluoncv

一个ResNet中的标准块

from d2l import mxnet as d2l
from mxnet import np, npx
from mxnet.gluon import nn
npx.set_np()

class Residual(nn.Block):  #@save
    def __init__(self, num_channels, use_1x1conv=False, strides=1, **kwargs):
        super().__init__(**kwargs)
        self.conv1 = nn.Conv2D(num_channels, kernel_size=3, padding=1,
                               strides=strides)
        self.conv2 = nn.Conv2D(num_channels, kernel_size=3, padding=1)
        if use_1x1conv:
            self.conv3 = nn.Conv2D(num_channels, kernel_size=1,
                                   strides=strides)
        else:
            self.conv3 = None
        self.bn1 = nn.BatchNorm()
        self.bn2 = nn.BatchNorm()

    def forward(self, X):
        Y = npx.relu(self.bn1(self.conv1(X)))
        Y = self.bn2(self.conv2(Y))
        if self.conv3:
            X = self.conv3(X)
        return npx.relu(Y + X)

标准块会形成两种结构，右边的结构是为了保持网络可能相加而增加的适配层。

输入输出一样的情况

blk = Residual(3)
blk.initialize()
X = np.random.uniform(size=(4, 3, 6, 6))
blk(X).shape

(4, 3, 6, 6)

输出减半的情况

blk = Residual(6, use_1x1conv=True, strides=2)
blk.initialize()
blk(X).shape

(4, 6, 3, 3)

接着重现一个论文中的resnet网络结构。resnet的前两层跟googlenet相同，只是增加了batchnorm层。

net = nn.Sequential()
net.add(nn.Conv2D(64, kernel_size=7, strides=2, padding=3),
        nn.BatchNorm(), nn.Activation('relu'),
        nn.MaxPool2D(pool_size=3, strides=2, padding=1))

设计一下resnet结构

def resnet_block(num_channels, num_residuals, first_block=False):
    blk = nn.Sequential()
    for i in range(num_residuals):
        if i == 0 and not first_block:
            blk.add(Residual(num_channels, use_1x1conv=True, strides=2))
        else:
            blk.add(Residual(num_channels))
    return blk

接着组装网络

net.add(resnet_block(64, 2, first_block=True),
        resnet_block(128, 2),
        resnet_block(256, 2),
        resnet_block(512, 2))

最后增加头

net.add(nn.GlobalAvgPool2D(), nn.Dense(10))

最终的网络有4个resnet结构，每个结构有4个conv层（不包括1x1），加上第一个conv和最后一个dense层，总计18层，这个就是resnet-18的网络结构。

测试一下输出

X = np.random.uniform(size=(1, 1, 224, 224))
net.initialize()
for layer in net:
    X = layer(X)
    print(layer.name, 'output shape:\t', X.shape)

conv5 output shape:  (1, 64, 112, 112)
batchnorm4 output shape:     (1, 64, 112, 112)
relu0 output shape:  (1, 64, 112, 112)
pool0 output shape:  (1, 64, 56, 56)
sequential1 output shape:    (1, 64, 56, 56)
sequential2 output shape:    (1, 128, 28, 28)
sequential3 output shape:    (1, 256, 14, 14)
sequential4 output shape:    (1, 512, 7, 7)
pool1 output shape:  (1, 512, 1, 1)
dense0 output shape:         (1, 10)

训练一下

lr, num_epochs, batch_size = 0.05, 10, 256
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size, resize=96)
d2l.train_ch6(net, train_iter, test_iter, num_epochs, lr)

loss 0.010, train acc 0.998, test acc 0.907
4886.6 examples/sec on gpu(0)

最后的话:

这篇文章发布在CSDN/蓝色的杯子, 没事多留言,让我们一起爱智求真吧.我的邮箱wisdomfriend@126.com.