欢迎关注“
计算机视觉研究院
”
计算机视觉研究院专栏
作者：郑老师
源码：关注文末二维码（DL工程实践）公众号，获取免费全部代码
目录结构 1、背景介绍 2、提升精度措施 3、降低计算量 shufflenet_se网络 shufflenet_sk网络 shufflenet_liteconv网络 shufflenet_k5网络 shufflenet_csp网络 4、实验测试 5、总结
1.背景
在移动端场景中，目前有很多不错的轻量级网络可以选择，例如google的mobilenet系列，efficient lite系列，旷世的shufflenet系列，华为的ghostnet等。在这些模型中，我尤其喜欢shufflenetV2，因为它结构清晰，简洁（如下图所示为shufflenetv2 1.0x的结构图：红色标注为各个模块的flops），并且在设计之初就考虑了MAC（访存代价），使得在移动端部署的时候具有很低的延时。在多个数据集上的测试也验证了其较好的泛化性能。不过有时候为了实现在更低计算资源的嵌入式场景中使用shufflenet，或者在轻量级检测框架中使用shufflenet作为bakbone，那么仍然需要对shufflenet做一些优化。
本次实践将围绕对shufflenetV2 1.0X版本进行改进，包括提升精度与降低计算量两个维度。看看能否创造出一个比基线版本更优的shufflenet结构。在不加注释的情况下，下文的shufflenet默认指的是shufflenet v2 1.0x版本。
2、提升精度措施
结合目前比较火的注意力机制，例如senet，sknet等，这里分别设计四个网络：
增加se注意力机制的：shufflenet_se网络
增加sk注意力机制的：shufflenet_sk网络
将3*3的depthwise卷积扩大为5*5：shufflenet_k5网络
3、降低计算量
使用卷积裁剪以及csp技术，分别设计两个网络 ：
裁剪block中不重要的1*1卷积，这里设计一个shufflenet_liteconv网络
使用csp对网络进行重组，这里设计一个shufflenet_csp网络
shufflenet_se网络
主要是借鉴senet中的通道注意力机制，将其应用到shufflenet中。下面简单回顾一下senet中的注意力机制：
主要有两个操作：squeeze和excitation。squeeze指的是将特征通过GAP压缩空间信息，将原来的c*h*w维度信息压缩为c*1*1. Excitation使用了两个全连接层，第一个降低维度，将c*1*1降维为c/r *1*1（带有relu激活）,第二个fc层将特征重新映射回c*1*1（没有relu激活），然后经过sigmoid之后得到各个通道的权重系数。然后将权重系数与原来的特征相乘，从而得到一个新的特征。下面是seattention的pytroch代码实现，非常的简单，就是按照上面的思路实现一遍。
代码语言：javascript复制class SeAttention(nn.Module):
def __init__(self, channel_num, r=4):
""" Constructor
"""
super(SeAttention, self).__init__()
self.channel_num = channel_num
self.r = r
self.inter_channel = int( float(self.channel_num) / self.r)
self.fc_e1 = torch.nn.Linear(channel_num, self.inter_channel)
self.relu_e1 = nn.ReLU(inplace=True)
self.fc_e2 = torch.nn.Linear(self.inter_channel, channel_num)
def forward(self, x):
y = torch.nn.functional.adaptive_avg_pool2d(x, (1, 1)).squeeze()
y = self.fc_e1(y)
y = self.relu_e1(y)
y = self.fc_e2(y)
y = torch.sigmoid(y).unsqueeze(-1).unsqueeze(-1)
return x*y
shufflenet_sk网络
主要是借鉴了sknet中的注意力机制，用于选择大卷积核的输出还是小卷积核的输出。其原理图如下所示：
将特征X分别经过小卷积核(3*3)得到新的特征U3*3（图中黄色部分）；另外一路经过大卷积核（5*5）得到新的特征U5*5（图中绿色部分）。然后加两个新的特征U相加，然后经过SE相同的squeeze和excitation得到权重向量，注意这里的权重向量有两个，一个是针对U3*3的权重向量，另一个是针对U5*5的权重向量。最后用权重向量分别与对应的U相乘，最后相加得到新的特征输出V。主要代码如下：
代码语言：javascript复制class SKConv(nn.Module):
def __init__(self, in_channels):
""" Constructor
Args:
in_channels: input channel dimensionality.
M: the number of branchs.
"""
super(SKConv, self).__init__()
r = 2.0
L = 32
d = max(int(in_channels / r), L)
self.in_channels = in_channels
self.conv1 = nn.Sequential(
self.depthwise_conv(in_channels, in_channels, kernel_size=3, dilation=1, padding=1),
nn.BatchNorm2d(in_channels),
#nn.ReLU(inplace=False)
)
self.conv2 = nn.Sequential(
self.depthwise_conv(in_channels, in_channels, kernel_size=3, dilation=2, padding=2),
nn.BatchNorm2d(in_channels),
# nn.ReLU(inplace=False)
)
self.fc1 = nn.Linear(in_channels, d)
self.fc2 = nn.Linear(d, in_channels*2)
self.softmax = nn.Softmax(dim=1)
def forward(self, x):
U1 = self.conv1(x)
U2 = self.conv2(x)
U = U1 U2
S = U.mean(-1).mean(-1)
Z1 = self.fc1(S)
Z2 = self.fc2(Z1)
A = self.softmax(Z2)
V = U1 * A[:,:self.in_chanels].unsqueeze(-1).unsqueeze(-1)
U2 * A[:,self.in_channels:].unsqueeze(-1).unsqueeze(-1)
return Vshufflenet_liteconv网络
通过观察shufflenet的block，可以分为两种结构，一种是每个stage的第一个block，该block由于需要降采样，升维度，所以对输入直接复制成两份，经过branch1,和branch2之后再concat到一起，通道翻倍，如下图中的降采样block所示。另外一种普通的block将输入split成两部分，一部分经过branch2的卷积提取特征后直接与branch1的部分进行concat。如下图中的普通block所示：
一般在DW卷积（depthwise卷积）的前或后使用1*1的卷积处于两种目的，一种是融合通道间的信息，弥补dw卷积对通道间信息融合功能的缺失。另一种是为了降维升维，例如mobilenet v2中的inverted reddual模块。而shufflenet中的block，在branch2中用了2个1*1卷积，实际上有一些多余，因为此处不需要进行升维降维的需求，那么只是为了融合dw卷积的通道间信息。实际上有一个1*1卷积就够了。为了剪裁的方便，将上图中的红色虚线框中的1*1卷积删除。实现shufflenet_liteconv版本。
shufflenet_k5网络
进一步观察shufflenet的计算量分布，实际上在dw卷积上的计算量占比是很小的，主要的计算量都在1*1的卷积上面。因此对dw卷积进行一个卷积核的扩张，既不会增加太多的计算比重，又能提升效果，何乐而不为呢。Shufflenet_k5将所有的3*3dw卷积替换成5*5的dw卷积，注意在pytroch实现中，需要将padding从1修改为2，这样输出的特征图才能保持与原来一致的分辨率。
shufflenet_csp网络
csp在大型网络上取得了很大的成功。它在每个stage，将输入split成两部分，一部分经过原来的路径，另一部分直接shortcut到stage的尾部，然后concat到一起。这既降低了计算量，又丰富了梯度信息，减少了梯度的重用，是一个非常不错的trip。在yolov4，yolov5的目标检测中，也引入了csp机制，使用了csp_darknet。此处将csp引入到shufflenet中。并且对csp做了一定的精简，最终使用csp stage精简版本作为最终的网络结构。
4、实验测试
对上述：shufflenet_se、shufflenet_sk、shufflenet_liteconv、shufflenet_k5、shufflenet_csp在cifar10数据集上进行训练，统计其最终的精度和flops，并与baseline的shufflenet进行对比，结果如下表所示：
网络结构 | Top1 | 实测flops（M） | 参数规模（M） | 模型文件大小 |
|---|---|---|---|---|
shufflenet(baseline) | 0.880 | 147.79 | 1.263 | 5116K |
shufflenet_se | 0.884 | 147.93 | 1.406 | 5676K |
shufflenet_sk | 0.885 | 152.34 | 1.555 | 6872K |
shufflenet_liteconv | 0.879 | 104.77 | 0.923 | 3736K |
shufflenet_k5 | 0.891 | 155.18 | 1.303 | 5268K |
shufflenet_csp | 0.862 | 101.96 | 0.924 | 3776K |
对其中最重要的指标flops与top1精度进行可视化：
5、总结
从提升精度的角度看，shufflenet_k5的效果是最好的，比注意力机制的se和sk都要好。说明在轻量级网络中，注意力机制的收益并没有那么明显，没有直接提升dw卷积的卷积核来的收益高。最降低计算量方面，精简1*1卷积在几乎不降低精度的情况下，大约降低了约30%的计算量。Shufflenet_csp网络虽然能大幅降低计算量，但是精度降低的也很明显。分析原因，主要有两个，一是shufflenetv2本身已经使用了在输入通道split，然后concat的blcok流程，与csp其实是一样的，知识csp是基于一个stage，shufflenetv2是基于一个block，另外csp本来就是在densenet这种密集连接的网络上使用有比较好的效果，在轻量级网络上不见得效果会好。综上所述，如果为了提升精度，将卷积核扩大是最简单也最有效的，并且计算量只提升了5%。如果为了降低计算量，那么通过剪裁1*1卷积效果是最好的。
© THE END
