目标检测学习笔记2——ResNet残差网络学习、ResNet论文解读_resnet目标检测论文

一、前言

在学习Yolo v3的过程中，了解到它借鉴了残差网络的快捷链路（shortcut connection），因此为了更好的理解yolo3，我对ResNet展开了学习，并阅读其论文。

ResNet—— Residual Network残差神经网络，是何恺明大神（Faster RCNN的作者）于2015年提出，在当年多个大赛中用此网络获得了第一名。

为什么会提出ResNet?

在深度神经网络中存在一个问题，大家都知道，网络层数加深，参数增多，网络表现能力理应更好。但随着深度的不断增加，会出现网络退化现象。

什么是网络退化现象？

神经网络随着层数加深，首先训练准确率会逐渐趋于饱和；若层数继续加深，反而训练准确率下降，效果不好了。

说通俗一点就是，我给孩子报了课外补习班（多加了好多层网络），但却发现我的孩子学习成绩反而没有参加课外补习班的孩子成绩好。

这既不是梯度爆炸、梯度消失造成，也不是过拟合造成。

梯度爆炸、梯度消失：梯度消失/爆炸是因为神经网络在反向传播的时候，反向连乘的梯度小于1（或大于1），导致连乘的次数多了之后（网络层数加深），传回首层的梯度过小甚至为0（过大甚至无穷大），这就是梯度消失/爆炸的概念。（我们已经在网络中加入了BN层（Batch Normalize），他可以通过规整数据的分布基本解决梯度消失/爆炸的问题，所以这个问题也不是导致深层网络退化的原因）

过拟合：网络在训练集上表现很好，在训练集上表现差。（如下图可见，无论是在训练集还是测试集中，拥有更深层次的网络表现均比浅层次的网络差，那显然就不是过拟合导致的）

如此图所示，从56层的表现反而比20层差。

那网络退化现象是什么造成的呢？

在MobileNet V2的论文中提到，由于非线性激活函数Relu的存在，每次输入到输出的过程都几乎是不可逆的，这也造成了许多不可逆的信息损失。我们试想一下，一个特征的一些有用的信息损失了，那他的表现还能做到持平吗？答案是显然的。

说通俗一点就是中间商赚差价。层数增多之后，信息在中间层损失掉了。

而ResNet正能解决网络退化问题。

ResNet要如何解决退化问题？

• 我们选择加深网络的层数，是希望深层的网络的表现能比浅层好，或者是希望它的表现至少和浅层网络持平（相当于直接复制浅层网络的特征）

• 如何持平看下图
  

• 我们把右边的网络理解为左边浅层网络加深了三层（框起来的部分）
  假如我们希望右边的深层网络与左边的浅层网络持平，即是希望框起来的三层跟没加一样，也就是加的三层的输入等于输出。

• 我们假设这三层的输入为$x$，输出为$H(x)$，那么深层网络与浅层网络表现持平的直观理解即是：$H(x)=x$，这种让输出等于输入的方式，就是论文中提到的恒等映射（identity mapping）。

• 所以ResNet的初衷，就是让网络拥有这种恒等映射的能力，能够在加深网络的时候，至少能保证深层网络的表现至少和浅层网络持平。

说通俗一点就是，我给孩子报了课外补习班（加的3层网络），我希望他的成绩要么就是提升，要么至少不要比没有上课外补习班的孩子成绩差。

ResNet是通过残差模块实现的，保留原本分支和学习过的分支中好的一个。

• 想要网络不退化，根本原因就是如何做到恒等映射。事实上，已有的神经网络很难拟合潜在的恒等映射函数$H(x)=x$。但如果把网络设计为$H(x)=F(x)+x$，即直接把恒等映射作为网络的一部分，就可以把问题转化为学习一个残差函数$F(x)=H(x)-x$.只要$F(x)=0$，就构成了一个恒等映射$H(x)=x$。
• 而且，拟合残差至少比拟合恒等映射容易得多。原因在第四部分讲解。

二、残差模块

我们看一下残差结构与正常结构对比图。
普通的神经网络如图所示：

残差模块的结构图如图所示：

• 残差模块比普通模块多右边的曲线，这条曲线叫做：shortcut connection,skip connection,或identity
• $H(x)=F(x,Wi)+x$，相加是逐元素相加
• 我们的模型想要学习的是$F(x,Wi)$这个残差，而不是普通模块的$H(x)$.公式则可以变换为：$F(x,Wi)=H(x)-x$.

三、残差模块的优点

1. 用恒等映射和残差相加，并不会增加模型的参数量，没有引入额外的参数，也为增加计算复杂度；
2. 对比左图普通模块与右图残差网络，增加残差模块后模型的收敛速度加快（即误差下降的梯度更大）；
   
3. 可以解决退化问题，因为这样计算至少不会比没有加深网络差；
4. 加了残差模块，网络就可以实现很深了；
5. 准确率也有了很大的提升

四、残差模块发挥了作用的原因

1. 加了残差结构后，给了输入$x$一个多的选择。若神经网络学习到这层的参数是冗余的时候，它可以选择直接走这条“跳接”曲线（shortcut connection），跳过这个冗余层，而不需要再去拟合参数使得输出$H(x)$等于$x$。
2. 学习残差的计算量比学习输出等于输入小。假设普通网络为A，残差网络为B，输入为2，输出为2（输入和输出一样是为了模拟冗余层需要恒等映射的情况），那么普通网络就是$A(2)=2$，而残差网络就是$B(2)=F(2)+2=2$，显然残差网络中的$F(2)=0$。我们知道网络中权重一般会初始化成0附近的数，那么我们就很容易理解，为什么让$F(2)$（经过权重矩阵）拟合0会比$A(2)=2$容易了。
3. ReLU能够将负数激活为0，而正数输入等于输出。这相当于过滤了负数的线性变化，让$F(2)=0$变得更加容易。
4. 我们知道残差网络可以表示成$H(x)=F(x)+x$，这就说明了在求输出$H(x)$对输入$x$的倒数（梯度），也就是在反向传播的时候，$H(x{)}^{\prime }=F(x{)}^{\prime }+1$，残差结构的这个常数1也能保证在求梯度的时候梯度不会消失。

五、ResNet网络结构

如下图展示的是ResNet34的网络结构。

• 从图中可看出，我们使用步长stride为2的卷积代替池化层进行下采样；
• 从图中可看出，实线部分的残差模块$x$和$F(x)$的$channel$相同，可以直接相加（但是是在对$x$进行降采样后再相加，因为降采样后两者的长宽深才完全一致）。但虚线部分的$F(x)$的channel加倍，因此无法相加。比如说，$x$是31×31×128，$F(x)$是12×12×256，它们的维度不相同，无法直接对应位置元素相加，有2种处理方法：
  1. 对$x$少的$channel$直接补零，然后降采样，再与$F(x)$直接逐元素相加。这个过程没有产生额外的参数。
  2. 用1×1卷积 对$x$进行升维处理后，然后降采样，再与$F(x)$逐元素相加。这个过程产生了额外的参数（因为1×1卷积的卷积核参数）
  方法2比方法1效果更好，因为方法1在升维时，用补零的方式，相当于丢失了shortcut分支的信息，没有进行残差学习。

六、论文解读

ResNet论文pdf地址：https://arxiv.org/pdf/1512.03385.pdf

• 非常深的网络很难训练，会出现网络退化现象，ResNet残差网络可以解决非常深网络的退化问题和训练问题的，在实验中也可以证明残差网络是能很好的优化，并在加深网络的同时，提高网络准确率。相较于VGG，我们提出了一个152层的ResNet，是VGG深度的8倍，但拥有更低的复杂度，准确率更高。在各类大赛中，使用ResNet网络获得了第一名的好成绩。

• 深的网络可以集成浅层、中层、深层的特征，对于视觉识别等任务是十分重要的。但是一味粗暴地去加深网络层数，会出现很多问题。
• 首先是臭名昭著的梯度消失、题都爆炸问题，阻碍了收敛。但这个问题已经可以通过适当的权重初始化和Batch Normolization(BN)进行解决。

• 收敛问题解决了之后，网络退化问题又暴露出来了：随着网络深度增加，准确率趋于饱和，继续加深，准确率开始下降。这不是过拟合造成的（过拟合问题是在训练集上表现好，在测试集上表现差）。
• 网络退化问题也揭示了，不是任何网络都能够简单的去用同样的方法优化，比如增加深度。因此提出让浅层模型的输出和更深的对应版本相加。added layer叫identity mapping，也就是$x$;另一个是从浅层学习到的模型，也就是$F(x)$。这样的思路就可以解决，让加深后的模型至少不会比浅层模型差。

• 模型不去拟合底层映射（underlying mapping）$H(x)$，而是去拟合相对输入的残差（residual mapping）$F(x)$。$F(x)=H(x)-x$。如果identity mapping（也就是$x$）已经足够优秀了，那$F(x)=0$就可以了，而不是用非线性层去拟合$H(x)=x$。

• 残差模块结构如下图所示，仅仅是将$x$于$F(x)$相加，加号这样一个运算是没有增加计算复杂度的。
  
  
• 在ImageNet数据集上做实验时，ResNet有如下优势：
  1. 非常深的网络也易于优化收敛（而仅仅堆叠深度的plain net 训练error会增加）
  2. 解决退化问题，在深度增加时，acc大大提升。

• 反正在各类的比赛中都获得很好地成绩（第一名），所以这个残差网络的普适性是很好的，可以应用与各类视觉问题或非视觉问题中。
  
  
  
  
  

• 残差

• shortcut connection:就像门控函数一样，门关了就不学习新的，门开了就学习一些新的有用的。

• 将原本的式子变为$H(x)=F(x)+x$，从网络退化现象可知，original network直接去拟合恒等映射是很难的。使用残差网络，残差加上恒等映射后，深层网络至少不会比浅层更差。如果恒等映射已经最优，残差模块只要去拟合零映射即可。

• 每几层卷积形成一个残差，定义为$y=F(x,Wi)+x$.$F(x,Wi)$表示深层学习过的结果。
• 在图2中，中间有两层，首先经过第一层，再使用激活函数（ReLu函数），再经过第二层，再与$x$逐元素相加后，最后经过激活函数（ReLu函数）输出。
  
• 加入残差后，没有增加额外的参数，也没有增加复杂度。

• $F(x)$与$x$需要维度相同才可以直接相加。如果不相同，需要对x进行一次线性变换。于是公式就变成了$y=F(x,Wi)+Ws\cdot x$.

• 但是为了使整个网络更经济，因此$Ws$仅仅在维度不相同时才这样处理，否则产生的参数就太多了。
• 这个残差结构可以有两层，或者三层，以及任意层，但不要只有1层，否则就没有展现出明显的优势。而且不一定是卷积层，也可以是全连接层。

• 对比了Plain Network(也就是普通网络）和残差网络。
• Plain Network: 类似于VGG网络。卷积层的卷积核一般都是3×3，并且每个block内filter个数不变，当进入下一个block时，featur map大小减半，filter个数增倍。使用步长为2的卷积进行下采样，而不是pooling。最后接一个GAP层以取代全连接层，这样可以减少参数量和计算量。GAP层是把每个channel求平均值，有多少channel就有多少个值。然后使用softmax激活函数的全连接层去分类1000类。如图3所示最中间的图。可以发现我们的模型比VGG有更少的filter。

• Residual Network: 在plain network的基础上，我们插入了shortcut connection。如图3最右边所示。当通道数相同时，可以直接相加。如果通道数加倍了，有两个选择：1.在identity mapping增加的通道上补零。2.使用1×1的卷积去处理identity mapping。不管采取哪种匹配维度的方案，shortcut分支第一个卷积层步长都为2.

• 从图4和表2可以看出，残差网络收敛的更快，且解决了网络退化问题。

• 由于我们使用了BN层，可以保证不会梯度消失，且前向/反向传播都很良好。所以可以确定优化的困难不是梯度消失导致的。我们推测是模型的本身的上限就已经不是很高。

• A.维度提升时，用0填充不足的维度。没有产生新的参数。
• B.维度提升时，用projection shortcut 1×1卷积去提升维度；维度没有提升时，还是identity。
• C.所有的shortcut都是projection shortcut 1×1卷积。
• 从表3结果可看出，C>B>A.但是C成本太高，会增加计算复杂度和模型大小。

• Deeper Bottleneck Architectures: 更深的网络时，担心训练时间，修改了building block 为 bottleneck design。先用1×1的卷积降维，然后3×3卷积，最后用1×1卷积升维，像个沙漏一样。在这个结构中，无参数的identity shortcut尤其重要。如果引入了projection，那么时间复杂度、计算量、模型尺度、参数量都会加倍。

但网络也不能一味地去加深。如下图所示，当加深到ResNet-1202是，错误率增加了。推测是由于过拟合造成的。需要增加数据量去训练。

此篇文章借鉴了很多前辈的博客，我贴出一些我觉得还不错的。
https://zhuanlan.zhihu.com/p/106764370
推荐B站同济子豪兄讲解ResNet的视频。