【小白學PyTorch】12 SENet詳解及PyTorch實現

忽逢桃林發表於2020-09-19

文章來自微信公眾號【機器學習煉丹術】。我是煉丹兄,有什麼問題都可以來找我交流,近期建立了微信交流群,也在朋友圈抽獎贈書十多本了。我的微信是cyx645016617,歡迎各位朋友。

參考目錄:
@


上一節課講解了MobileNet的一個DSC深度可分離卷積的概念,希望大家可以在實際的任務中使用這種方法,現在再來介紹EfficientNet的另外一個基礎知識—,Squeeze-and-Excitation Networks壓縮-啟用網路

1 網路結構

可以看出來,左邊的圖是一個典型的Resnet的結構,Resnet這個殘差結構特徵圖求和而不是通道拼接,這一點可以注意一下

這個SENet結構式融合在殘差網路上的,我來分析一下上圖右邊的結構:

  • 輸出特徵圖假設shape是\(W \times H \times C\)的;
  • 一般的Resnet就是這個特徵圖經過殘差網路的基本組塊,得到了輸出特徵圖,然後輸入特徵圖和輸入特徵圖通過殘差結構連在一起(通過加和的方式連在一起);
  • SE模組就是輸出特徵圖先經過一個全域性池化層,shape從\(W \times H \times C\)變成了\(1 \times 1 \times C\)這個就變成了一個全連線層的輸入啦
    • 壓縮Squeeze:先放到第一個全連線層裡面,輸入\(C\)個元素,輸出\(\frac{C}{r}\),r是一個事先設定的引數;

    • 啟用Excitation:在接上一個全連線層,輸入是\(\frac{C}{r}\)個神經元,輸出是\(C\)個元素,實現啟用的過程;

  • 現在我們有了一個\(C\)個元素的經過了兩層全連線層的輸出,這個C個元素,剛好表示的是原來輸出特徵圖\(W \times H \times C\)中C個通道的一個權重值,所以我們讓C個通道上的畫素值分別乘上全連線的C個輸出,這個步驟在圖中稱為Scale而這個調整過特徵圖每一個通道權重的特徵圖是SE-Resnet的輸出特徵圖,之後再考慮殘差接連的步驟。

在原文論文中還有另外一個結構圖,供大家參考:

2 引數量分析

每一個卷積層都增加了額外的兩個全連線層,不夠好在全連線層的引數非常小,所以直觀來看應該整體不會增加很多的計算量。 Resnet50的引數量為25M的大小,增加了SE模組,增加了2.5M的引數量,所以大概增加了10%左右,而且這2.5M的引數主要集中在final stage的se模組,因為在最後一個卷積模組中,特徵圖擁有最大的通道數,所以這個final stage的引數量佔據了增加的2.5M引數的96%。

這裡放一個幾個網路結構的對比:

3 PyTorch實現與解析

先上完整版的程式碼,大家可以複製本地IDE跑一跑,如果程式碼有什麼問題可以聯絡我:

import torch
import torch.nn as nn
import torch.nn.functional as F

class PreActBlock(nn.Module):
    def __init__(self, in_planes, planes, stride=1):
        super(PreActBlock, self).__init__()
        self.bn1 = nn.BatchNorm2d(in_planes)
        self.conv1 = nn.Conv2d(in_planes, planes, kernel_size=3, stride=stride, padding=1, bias=False)
        self.bn2 = nn.BatchNorm2d(planes)
        self.conv2 = nn.Conv2d(planes, planes, kernel_size=3, stride=1, padding=1, bias=False)

        if stride != 1 or in_planes != planes:
            self.shortcut = nn.Sequential(
                nn.Conv2d(in_planes, planes, kernel_size=1, stride=stride, bias=False)
            )

        # SE layers
        self.fc1 = nn.Conv2d(planes, planes//16, kernel_size=1)
        self.fc2 = nn.Conv2d(planes//16, planes, kernel_size=1)

    def forward(self, x):
        out = F.relu(self.bn1(x))
        shortcut = self.shortcut(out) if hasattr(self, 'shortcut') else x
        out = self.conv1(out)
        out = self.conv2(F.relu(self.bn2(out)))

        # Squeeze
        w = F.avg_pool2d(out, out.size(2))
        w = F.relu(self.fc1(w))
        w = F.sigmoid(self.fc2(w))
        # Excitation
        out = out * w

        out += shortcut
        return out


class SENet(nn.Module):
    def __init__(self, block, num_blocks, num_classes=10):
        super(SENet, self).__init__()
        self.in_planes = 64

        self.conv1 = nn.Conv2d(3, 64, kernel_size=3, stride=1, padding=1, bias=False)
        self.bn1 = nn.BatchNorm2d(64)
        self.layer1 = self._make_layer(block,  64, num_blocks[0], stride=1)
        self.layer2 = self._make_layer(block, 128, num_blocks[1], stride=2)
        self.layer3 = self._make_layer(block, 256, num_blocks[2], stride=2)
        self.layer4 = self._make_layer(block, 512, num_blocks[3], stride=2)
        self.linear = nn.Linear(512, num_classes)

    def _make_layer(self, block, planes, num_blocks, stride):
        strides = [stride] + [1]*(num_blocks-1)
        layers = []
        for stride in strides:
            layers.append(block(self.in_planes, planes, stride))
            self.in_planes = planes
        return nn.Sequential(*layers)

    def forward(self, x):
        out = F.relu(self.bn1(self.conv1(x)))
        out = self.layer1(out)
        out = self.layer2(out)
        out = self.layer3(out)
        out = self.layer4(out)
        out = F.avg_pool2d(out, 4)
        out = out.view(out.size(0), -1)
        out = self.linear(out)
        return out


def SENet18():
    return SENet(PreActBlock, [2,2,2,2])


net = SENet18()
y = net(torch.randn(1,3,32,32))
print(y.size())
print(net)

輸出和註解我都整理了一下:

相關文章