【知识星球】卷积核和感受野可动态分配的分组卷积

有三AI知识星球-网络结构1000变

我们在前面已经给大家讲述过许多的分组卷积模型，比如MobileNet V1/V2中全部都是使用3*3，如果使用其他大小的卷积核，性能如何呢？

上面是实验对比，可以发现随着卷积核增加，性能有增加的趋势，虽然到了9*9之后性能会下降。

既然不同的卷积核大小有性能的差异，说明各自还是学习到了不同的特征表达，再参考到Inception等多尺度结构，自然就可以想到用不同大小的卷积核进行实验。

网络结构如上，关于使用多少种不同尺度的卷积核，有两种思路。第一种，就是人工设定，比如使用3x3, 5x5, 7x7, 9x9等四种卷积核，各自的通道数量可以均分。

当然更好的方式就是基于学习了，让其对卷积核的种类和通道数量划分进行搜索，看看实验对比如下：

上图展示的是在不同计算量下的两套模型的性能对比，上表展示的是具体的指标，结果当然是MixNet性能更优秀了。

[1] Tan M, Le Q V. MixNet: Mixed Depthwise Convolutional Kernels[J]. arXiv preprint arXiv:1907.09595, 2019.

有三AI知识星球-网络结构1000变

网络结构如上，可以看到不同尺度在不同网络层的比例不同，整体结构与一般分组卷积无异。

ScaleNet具体的流程是：

(1) 初始化，每个尺度的通道数量进行均匀分配。

(2) 训练该网络直到收敛。

(3) 根据BN层的缩放因子，在满足计算量的约束下，选择其中最重要的一些分支。

(4) 得到新的网络，重新训练该网络。

作者们将这个结构替换掉ResNet中的基本单元，如下：

使用ResNet系列在ImageNet上面的训练结果如下：

可以发现以更低的flops取得了更高的精度，下图展示了各个网络层的统计。

可以看出，不同层所需的尺度比例，即对感受野的需求是不同的。

参考文献

[1] Li Y, Kuang Z, Chen Y, et al. Data-Driven Neuron Allocation for Scale Aggregation Networks[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2019: 11526-11534.