深度學習——分類之ResNet

02-02

論文：Deep Residual Learning for Image Recognition

作者：Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun

ImageNet Top5錯誤率： 3.57%

主要思想：Residual，殘差，名字就體現了，不學絕對值，而學差值。不去學絕對的完全重構映射，只學映射後相對於原來的偏差，即和identity的差值，絕對變相對，容易多了。前向，容易學習，後向，有了梯度高速通道，更好訓練，能避免梯度消失。

基本結構

網路由兩種不同的基本單元堆疊即可：

左邊是BasicBlock，ResNet18和ResNet34就由其堆疊。

右邊BottleNeck，多了一層，用1x1的卷積先降通道再升通道，ResNet50、ResNet101、ResNet152就由其堆疊。當要降維的時候，上面的第一個3x3卷積使用stride 2（同時旁邊的shortcut也需要一個1x1的stride 2卷積，而非identity，使得後面相加的時候尺寸一致），平時卷積都是stride 1。

使用1x1卷積，對稀疏信息進行壓縮，有效利用計算力，所以效率更高。

代碼實現

BottleNeck結構的具體PyTorch代碼實現代碼如下：

def forward(self, x):n residual = xnn out = self.conv1(x)n out = self.bn1(out)n out = self.relu(out)nn out = self.conv2(out) # 要降尺度的話這裡，這裡是stride 2的卷積n out = self.bn2(out)n out = self.relu(out)nn out = self.conv3(out)n out = self.bn3(out)nn if self.downsample is not None: # 需要通道升，尺度降n residual = self.downsample(x) # 實際上是一個stride 2卷積加bnnn out += residualn out = self.relu(out)nn return outn

網路配置

ResNet34的整體網路結構圖如下，虛線部分跳躍結構會通過stride 2卷積降維並提升通道數（同時shortcut也會使用stride 2卷積和conv來映射，保持尺寸一致），實線部分是identity直連：

不同層數的ResNet的配置清單：

總結

網路清晰，結構簡單，很規範，並且有不同的層數可以選擇，對於輸入大小也沒有固定的限制，適用面很廣。

最後提一下論文作者：指導論文的孫劍老師現在在曠視帶領曠視研究院，我的論文也由他指導過，非常厲害；何愷明大神去了FAIR，真的是一路開掛式的存在，讓人不由得慶幸還好和他研究方向不一樣。。。另一位作者張祥雨也在曠視，現在是同事，訓練了很多ResNet的變種以及各種基礎模型，作為base model，用起來非常方便，修改網路使用預訓練權重應用在其它方向。我個人的經驗（僅供參考，具體的任務類型和網路設置等影響很大）是ResNet50比Inception v3好，一般使用ResNet50作為base model，非常solid。