Paper | Deep Residual Learning for Image Recognition

Deep Residual Learning for Image Recognition

• Deep Residual Learning for Image Recognition
  • 1. 故事
  • 2. 残差学习网络
    • 2.1 残差块
    • 2.2 ResNet
    • 2.3 细节
  • 3. 实验
    • 3.1 短连接网络与plain网络
    • 3.2 Projection解决短连接维度不匹配问题
    • 3.3 更深的bottleneck结构

ResNet的意义已经不需要我在这里赘述。该文发表在2016 CVPR，至今（2019.10）已有3万+引用。由于ResNet已经成为大多数论文的baseline，因此我们着重看其训练细节、测试细节以及bottleneck等思想。

核心：

We explicitly reformulate the layers as learning residual functions with reference to the layer inputs, instead of learning unreferenced functions.

性能：在ImageNet数据集上，我们的残差网络是152层——比VGG深8层，但复杂度却更低。

比赛：赢得了ILSVRC 2015的冠军，囊括分类、定位、检测和分割。

1. 故事

最近的文献表明：深度是很重要的。

但是：

Is learning better networks as easy as stacking more layers?

即：我们为了得到更好的网络，不应只是简单地堆砌层。原因是深度网络存在梯度消失/爆炸的问题。

前人怎么做？正则初始化 和 中间层特征正则化。

还有一个问题：随着深度增加，网络的性能会逐渐饱和，然后恶化。这不是因为过拟合，因为作者在实验中发现训练误差也很高：

作者诞生了一个很惊人的深层网络构造方式【当然也有可能是事后解释，但是也很insightful】：我们在浅层网络的基础上，加入多层恒等映射（identify mapping）。此时网络就变成了深度网络，并且该深度网络的性能至少不低于浅层网络。然而，我们却没有一种方法能够实现这种构造方式。

进一步，作者就提出了实现这种设想的方式：残差学习block和网络。由于学习的是残差，因此更趋近于学习恒等映射，网络学习起来会更轻松。

实际上，残差学习在传统方法中是存在的，但用于CNN学习还是第一次。

2. 残差学习网络

2.1 残差块

作者的想法在网络实现上非常简单，如图。短连接没有增加任何参数，并且可以BP。

同期的还有highway networks，加入了门限来控制短连接。然而门限是有参数的。并且，当门限值接近0时，短连接相当于是断开的。因此，highway network并没有在当网络深度超过100层时，展现出性能加分。

在实际操作中，作者设置了多个block，在每个block内加入头尾短连接。比如在上图中，一个block内就有两层。注意，第二个ReLU非线性化是在求和以后，如上图。

如果输入和输出的维度不匹配，我们只好对输入作一个线性变换，再求和。

2.2 ResNet

如图是ResNet-34和对比网络：

值得一提的是：

• VGG-19有19.6b的FLOPs，而ResNet-34只有3.6b。

• 其中的降采样是通过步长为2的卷积实现的。

• 图中虚线连接的头、尾特征图的尺寸就不一样。为了完成短连接，作者考虑了两种方案：（1）多余的补零；（2）短连接时要经过一个projection，即线性变换。

2.3 细节

• 在每一次卷积后、非线性激活前，我们采用BN。

• 优化方法为SGD，mini-batch容量为256。学习率从0.1开始。当误差停滞不下降时，我们将学习率除以10。

• SGD的weight decay是0.0001，momentum是0.9。

• 不采用dropout。【因为数据集够大，很难过拟合】

• 其他变种的配置和FLOPs：

  

3. 实验

3.1 短连接网络与plain网络

如图，对于plain网络，加深没有带来收益，反而有害；但对ResNet，加深作用明显：

plain network的结果是因为梯度问题吗？作者认为不是，因为plain network也配置了BN。并且作者也确认了梯度没有问题。
原因未知，作者猜测可能是收敛速率的问题。并且速率是指数型慢，无法通过简单的学习率加倍 或 延长训练时间 得到解决。

3.2 Projection解决短连接维度不匹配问题

作者比较了三种方案：（A）补零，这样就不增加参数；（B）维度不匹配的Projection；（C）全部都改成Projection。结果如表：

这说明：无论是哪种方法，效果都比plain更好。其中C方案是最好的，但是它引入了最多的参数。作者认为，ABC差距不大，引入参数没有必要。

3.3 更深的bottleneck结构

我们为了增加效率，引入了bottleneck结构。但作者指出，这种结构可能会导致和plain一样的恶化问题。

对于每个block，原本我们只用2层卷积，现在我们用3层：\(1 \times 1 \to 3 \times 3 \to 1 \times 1\)，如图：

前后的\(1 \times 1\)卷积，是为了先降低通道数，最后再恢复通道数，使得中间卷积操作在较低通道数上运行，节省参数量。

我们回去观察表1，其中的34层以上的ResNet都含有大量的bottleneck结构。在表3和表4中同样观察了它们的表现，没有发现恶化问题。