深度卷積神經(jīng)網(wǎng)絡(luò)各種改進結(jié)構(gòu)塊匯總

1、殘差網(wǎng)絡(luò)

這個網(wǎng)絡(luò)主要源自于Resnet網(wǎng)絡(luò)馍忽,其作用是:
將靠前若干層的某一層數(shù)據(jù)輸出直接跳過多層引入到后面數(shù)據(jù)層的輸入部分扮念。
意味著后面的特征層的內(nèi)容會有一部分由其前面的某一層線性貢獻迁客。
實驗表明交播,殘差網(wǎng)絡(luò)更容易優(yōu)化,并且能夠通過增加相當?shù)纳疃葋硖岣邷蚀_率蝇裤。

最終可以使得網(wǎng)絡(luò)越來越深廷支,Resnet152就是一個很深很深的網(wǎng)絡(luò)。

殘差網(wǎng)絡(luò)的典型結(jié)構(gòu)如下:


image.png

2栓辜、不同大小卷積核并行卷積

這個結(jié)構(gòu)主要是在Inception網(wǎng)絡(luò)結(jié)構(gòu)中出現(xiàn)恋拍。
Inception網(wǎng)絡(luò)采用不同大小的卷積核,使得存在不同大小的感受野啃憎,最后實現(xiàn)拼接達到不同尺度特征的融合芝囤。

不同大小卷積核并行卷積的典型結(jié)構(gòu)如下:


image.png

3、利用(1,x),(x,1)卷積代替(x,x)卷積

這種結(jié)構(gòu)主要利用在InceptionV3中辛萍。
利用1x7的卷積和7x1的卷積代替7x7的卷積悯姊,這樣可以只使用約(1x7 + 7x1) / (7x7) = 28.6%的計算開銷;利用1x3的卷積和3x1的卷積代替3x3的卷積贩毕,這樣可以只使用約(1x3 + 3x1) / (3x3) = 67%的計算開銷悯许。
下圖利用1x7的卷積和7x1的卷積代替7x7的卷積。


image.png

下圖利用1x3的卷積和3x1的卷積代替3x3的卷積辉阶。


image.png

4先壕、采用瓶頸(Bottleneck)結(jié)構(gòu)

這個結(jié)構(gòu)在Resnet里非常常見,其它網(wǎng)絡(luò)也有用到谆甜。
所謂Bottleneck結(jié)構(gòu)就是首先利用1x1卷積層進行特征壓縮垃僚,再利用3x3卷積網(wǎng)絡(luò)進行特征提取,再利用1x1卷積層進行特征擴張规辱。

該結(jié)構(gòu)相比于直接對輸入進行3x3卷積減少了許多參數(shù)量谆棺。

當輸入為26,26,512時,直接使用3x3罕袋、filter為512的卷積網(wǎng)絡(luò)的參數(shù)量為512x3x3x512=2,359,296改淑。

采用Bottleneck結(jié)構(gòu)的話,假設(shè)其首先利用1x1浴讯、filter為128卷積層進行特征壓縮朵夏,再利用3x3、filter為128的卷積網(wǎng)絡(luò)進行特征提取榆纽,再利用1x1仰猖、filter為512的卷積層進行特征擴張,則參數(shù)量為 512×1×1×128 + 128×3×3×128 + 128×1×1×512 = 278,528奈籽。

image.png

5亮元、深度可分離卷積

深度可分離卷積主要在MobileNet模型上應用。
其特點是3x3的卷積核厚度只有一層唠摹,然后在輸入張量上一層一層地滑動爆捞,每一次卷積完生成一個輸出通道,當卷積完成后勾拉,在利用1x1的卷積調(diào)整厚度煮甥。

image.png

假設(shè)有一個3×3大小的卷積層,其輸入通道為16藕赞、輸出通道為32成肘。具體為,32個3×3大小的卷積核會遍歷16個通道中的每個數(shù)據(jù)斧蜕,最后可得到所需的32個輸出通道双霍,所需參數(shù)為16×32×3×3=4608個。

應用深度可分離卷積,用16個3×3大小的卷積核分別遍歷16通道的數(shù)據(jù)洒闸,得到了16個特征圖譜染坯。在融合操作之前,接著用32個1×1大小的卷積核遍歷這16個特征圖譜丘逸,所需參數(shù)為16×3×3+16×32×1×1=656個单鹿。

6、改進版深度可分離卷積+殘差網(wǎng)絡(luò)

這種結(jié)構(gòu)主要存在在Xception網(wǎng)絡(luò)中深纲。
改進版深度可分離卷積就是調(diào)換了一下深度可分離的順序仲锄,先進行1x1卷積調(diào)整通道,再利用3x3卷積提取特征湃鹊。
和普通的深度可分離卷積相比儒喊,參數(shù)量也會有一定的變化。


image.png

改進版深度可分離卷積加上殘差網(wǎng)絡(luò)的結(jié)構(gòu)其實和它的名字是一樣的币呵,很好理解怀愧。
如下圖所示:


image.png

7、倒轉(zhuǎn)殘差(Inverted residuals)結(jié)構(gòu)

在ResNet50里我們認識到一個結(jié)構(gòu)富雅,bottleneck design結(jié)構(gòu)掸驱,在3x3網(wǎng)絡(luò)結(jié)構(gòu)前利用1x1卷積降維,在3x3網(wǎng)絡(luò)結(jié)構(gòu)后没佑,利用1x1卷積升維毕贼,相比直接使用3x3網(wǎng)絡(luò)卷積效果更好,參數(shù)更少蛤奢,先進行壓縮鬼癣,再進行擴張。

而Inverted residuals結(jié)構(gòu)啤贩,在3x3網(wǎng)絡(luò)結(jié)構(gòu)前利用1x1卷積升維待秃,在3x3網(wǎng)絡(luò)結(jié)構(gòu)后,利用1x1卷積降維痹屹,先進行擴張章郁,再進行壓縮。
這種結(jié)構(gòu)主要用在MobilenetV2中志衍。
其主要結(jié)構(gòu)如下:

image.png

8暖庄、并行空洞卷積

這個結(jié)構(gòu)出現(xiàn)在Deeplabv3語義分割中。


image.png

其經(jīng)過并行的空洞卷積楼肪,分別用不同rate的空洞卷積進行特征提取培廓,再進行合并,再進行1x1卷積壓縮特征春叫。

空洞卷積可以在不損失信息的情況下肩钠,加大了感受野泣港,讓每個卷積輸出都包含較大范圍的信息。如下就是空洞卷積的一個示意圖价匠,所謂空洞就是特征點提取的時候會跨像素当纱。


image.png

原文鏈接:https://blog.csdn.net/weixin_44791964/article/details/103042733

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市霞怀,隨后出現(xiàn)的幾起案子惫东,更是在濱河造成了極大的恐慌莉给,老刑警劉巖毙石,帶你破解...
    沈念sama閱讀 217,277評論 6 503
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異颓遏,居然都是意外死亡徐矩,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,689評論 3 393
  • 文/潘曉璐 我一進店門叁幢,熙熙樓的掌柜王于貴愁眉苦臉地迎上來滤灯,“玉大人,你說我怎么就攤上這事曼玩×壑瑁” “怎么了?”我有些...
    開封第一講書人閱讀 163,624評論 0 353
  • 文/不壞的土叔 我叫張陵黍判,是天一觀的道長豫尽。 經(jīng)常有香客問我,道長顷帖,這世上最難降的妖魔是什么美旧? 我笑而不...
    開封第一講書人閱讀 58,356評論 1 293
  • 正文 為了忘掉前任,我火速辦了婚禮贬墩,結(jié)果婚禮上榴嗅,老公的妹妹穿的比我還像新娘。我一直安慰自己陶舞,他們只是感情好嗽测,可當我...
    茶點故事閱讀 67,402評論 6 392
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著肿孵,像睡著了一般唠粥。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上颁井,一...
    開封第一講書人閱讀 51,292評論 1 301
  • 那天厅贪,我揣著相機與錄音,去河邊找鬼雅宾。 笑死养涮,一個胖子當著我的面吹牛葵硕,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播贯吓,決...
    沈念sama閱讀 40,135評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼懈凹,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了悄谐?” 一聲冷哼從身側(cè)響起介评,我...
    開封第一講書人閱讀 38,992評論 0 275
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎爬舰,沒想到半個月后们陆,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,429評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡情屹,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,636評論 3 334
  • 正文 我和宋清朗相戀三年坪仇,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片垃你。...
    茶點故事閱讀 39,785評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡椅文,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出惜颇,到底是詐尸還是另有隱情皆刺,我是刑警寧澤,帶...
    沈念sama閱讀 35,492評論 5 345
  • 正文 年R本政府宣布凌摄,位于F島的核電站羡蛾,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏望伦。R本人自食惡果不足惜林说,卻給世界環(huán)境...
    茶點故事閱讀 41,092評論 3 328
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望屯伞。 院中可真熱鬧腿箩,春花似錦、人聲如沸劣摇。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,723評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽末融。三九已至钧惧,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間勾习,已是汗流浹背浓瞪。 一陣腳步聲響...
    開封第一講書人閱讀 32,858評論 1 269
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留巧婶,地道東北人乾颁。 一個月前我還...
    沈念sama閱讀 47,891評論 2 370
  • 正文 我出身青樓涂乌,卻偏偏與公主長得像,于是被迫代替她去往敵國和親英岭。 傳聞我的和親對象是個殘疾皇子湾盒,可洞房花燭夜當晚...
    茶點故事閱讀 44,713評論 2 354

推薦閱讀更多精彩內(nèi)容