自注意机制论文学习: On the Relationship between Self-Attention and Convolutional Layers
背景
transformer的提出对NLP领域的研究有很大的促进作用,得益于attention机制,特别是self-attention,就有研究学者将attention/self-attention机制引入计算机视觉领域中,也取得了不错的效果[1][2]。该论文[4]侧重于从理论和实验去验证self-attention[3]可以代替卷积网络独立进行类似卷积的操作,给self-attention在图像领域的应用奠定了坚实的基础
论文理论部分
(1)多头自注意机制
定义为输入矩阵,包含个维的token,在NLP中,token对应着序列化的词,同样地也可以对应序列化的像素(关键对应:像素对应词)
self-attention layer从到的计算如上图所示, 为attention scores,softmax将score转换为attention probabilities。 该层的参数包含查询矩阵(query matrix) , 关键词矩阵(key matrix) , 值矩阵(value matrix) , 都用于对输入进行变化,基本跟NLP中的self-attention一致,词序列对应于像素序列。
因为只考虑相关性,self-attention一个很重要的属性是,不管输入的顺序如何改变,输出都是不变的(引出位置编码),这对于希望顺序对结果有影响的case影响很大,因此在self-attention基础上为每个token学习一个positional encoding参数, 为包含位置信息的embedding向量,可以有多种形式(相对位置编码/绝对位置编码)
这里采用多头自注意机制,每个head的参数矩阵都不一样,能够提取不同的特征,最后拼接输出。个head输出维结果concat后映射成维的最终输出,这里有两个新参数,映射矩阵(projection matrix) ,偏置。
(2)CNN卷积层机制
给予图片,卷积在的操作如公式5,,,K为卷积核的大小。
在图片上应用self-attention,定义查询像素,输入的向量大小为 为了保持一致性,用1D的符号来代表2D坐标,比如,用代表,用代表
(3)位置编码机制
位置编码目前主要有两种,分别是绝对位置(absolute)编码和相对(relative)位置编码。,在绝对位置编码中,每个像素拥有一个位置向量(学习的或固定的),于是公式2可以转换为公式7
相对位置编码的核心是只考虑查询像素和查询像素之间的位置差异,如公式8,大体是将公式7的每一项的绝对位参数改为相对位置参数。attention scores只跟偏移,和是learnable参数,每个head都不一样,而每个偏移的相对位置编码是head共享的。关键词权重分成了两部分,属于输入,属于偏移
公式8前三项依赖于输入,最后一项不依赖于输入,表示全局的位置偏置,可以实现CNN平移等变。公式8相对于公式7的改动逻辑:
公式9称为二次编码(quadratic encoding),参数和分别代表中心点以及attention区域的大小,都是通过学习得来的,而则是固定的,代表查询像素和关键词像素的相对位移
论文证明部分
定理1,对于multi-head self-attention,个head,每个head输出维,整体最终输出,相对位置编码维,可以表示任何卷积,核大小为,output channel为 。对于output channel不是固定,论文认为当时,相当于一个升维操作,这个操作的特征提取不能代表原始卷积的属性,实际中,一般采用$D_h=D{out}
上面的定理Lemma1表明,在选择适当的参数后,multi-head self-attention layer可以表现得跟卷积层一样,每个head的attention score关注不同偏移距离的像素,偏移值分别在集合内,这样整体就类似于核,如图1所示 ,卷积神经网络不止卷积核大小这个超参,还有很多其它超参,这里论文对输出的数值的一致性上进行了解释:
Padding: multi-head self-attention layer默认使用"SAME"的填充模式,而卷积层会减小K-1个像素的图片大小,因此,为了减少边界影响,可以对卷积图片进行的零填充
Stride: 卷积神经网络的步长可以认为是在卷积后面加入一个pooling操作,而Theorem 1默认步长为1,但可以在后面接个pooling达到相同的结果
Dilation: 因为multi-head self-attention可以设置任意的偏移值,因此也可以代表空洞卷积
代码
参考文章
[1] Attention Augmented Convolutional Networks
[2] Stand-alone self-attention in vision models
[3] Attention is all you need
[4] On the Relationship between Self-Attention and Convolutional Layers
[5] https://cloud.tencent.com/developer/article/1579458
[6] https://zhuanlan.zhihu.com/p/104026923
[7] https://www.cnblogs.com/shiyublog/p/11236212.html