三、基本卷积的变体

3.1 局部连接

1. 局部连接与卷积很类似：局部连接也是连接受限的，但是每个连接都有自己的权重。

   即：局部连接实现了稀疏交互，但是没有实现参数共享。

   

2. 假设局部连接的权重矩阵为一个 6 维的张量 ，其元素为 ， 其中： 为输出的通道； 为输出通道中的位置； 为输入的通道； 为输入通道中的位置。

   则局部连接可以表示为：

   

   当权重共享时， ，此时局部连接操作退化到卷积操作。

3. 局部连接也称作非共享卷积，因为它并不横跨位置来共享参数。

   • 与基本卷积相比，权重参数由 。

     这说明 中，不同位置的输出的计算过程中，采用了不同的权重。这意味着局部连接不满足输入的等变表示。

   • 与全连接相比，局部连接实现了稀疏交互。

4. 如果知道特征是一小部分区域的函数，而不是整个区域的函数时，局部连接层很有用。此时只需要处理部分输入即可。如：如果需要辨别一张图片是否人脸图像，则只需要在图像的下部中央部分寻找即可。

   卷积也可以处理局部特征，但是对于不满足平移不变性的特征，卷积层无能为力。此时需要使用局部连接层。

   在图片中识别是否存在人脸，这满足平移不变性，因此也可以使用卷积来处理。

5. 有时候，可以进一步限制卷积层或者局部连接层。如：限制输出的通道 仅仅利用了一部分输入通道（而不是全部输入通道） 的数据。

   这种方案减少了通道之间的连接，使得模型的参数更少，降低了存储消耗，减少了计算量。

3.2 拼接卷积

1. 拼接卷积tiled convolution 对卷积和局部连接进行了折中：学习一组核，使得当核在空间移动时，它们可以循环利用。

   

   • 拼接卷积在相邻的位置上拥有不同的过滤器，就像局部连接层一样。
   • 拼接卷积每隔一定的位置，使用相同的过滤器，就像卷积层一样。
   • 拼接卷积的参数仅仅会增长常数倍，常数就是过滤器集合的大小。

2. 假设拼接卷积的权重矩阵为一个 6 维的张量 ，其元素为 ， 其中： 为输出的通道； 为输出通道中的位置； 为输入的通道； 为输入通道中的位置。

   则拼接卷积可以表示为：

   

   这里百分号是取摸运算， 为不同的核的数量（它也就是核的轮换周期）。

   • 如果 等于输入的尺寸，则拼接卷积退化成局部连接。
   • 如果 等于 1 ，则拼接卷积退化成卷积。

3. 通常在卷积层会引入非线性运算，而在非线性运算中，需要加入偏置项。

   • 对于局部连接，每个输入单元都有各自的偏置。

   • 对于拼接卷积，偏置项通过与核一样的拼接模式来共享。

   • 对于常规卷积，通常在输入通道级别上共享偏置。即：同一个通道使用一个偏置项。

     如果输入是固定大小的，也可以在每个输入位置上学习一个单独的偏置。其好处是：允许模型校正输入图像中不同位置的差异。

3.3 分组卷积

1. 分组卷积 Group convolution ：将多个卷积核拆分为分组，每个分组单独执行一系列运算之后，最终在全连接层再拼接在一起。

   • 通常每个分组会在单独的GPU 中训练，从而利用多GPU 来训练。

   • 分组卷积的重点不在于卷积，而在于分组：在执行卷积之后，将输出的feature map 执行分组。然后在每个组的数据会在各个GPU 上单独训练。

     对卷积的输出feature map 分组，等价于在卷积过程中对卷积核进行分组。

   

2. 分组卷积在网络的全连接层才进行融合，这使得每个GPU 中只能看到部分通道的数据，这降低了模型的泛化能力。

   如果每次分组卷积之后，立即融合卷积的结果则可以解决这个问题。

3. 分组卷积降低了模型的参数数量以及计算量。

   假设输入feature map 具有 的输入通道、宽/高分别为 ，假设卷积核的宽/高分别为 ，有 个卷积核。则：

   • 参数数量：
   • 计算量（以一次乘-加计算为单位）：。 其中 分别为输出feature map 的宽/高

   假设采用分组卷积，将输入通道分成了 组，则分组之后：

   • 参数数量：
   • 计算量（以一次乘-加计算为单位）：

   因此分组卷积的参数数量、计算量均为标准卷积计算的 。

   考虑到全连接层的参数数量在网络中占据主导地位，因此即使采取分组卷积，网络最终的参数数量的减小幅度不会很大。

   因此分组卷积主要降低的是计算量。

4. 分组卷积最早在AlexNet 中出现。由于当时的硬件资源的限制，训练AlexNet 时卷积操作无法全部放在同一个GPU 中处理。因此，通过分组来在多个GPU 上分别处理，然后将多个GPU 的处理结果融合。

3.4 小卷积核替代

1. 在AlexNet 中用到了一些非常大的卷积核，如11x11、5x5 等尺寸的卷积核。

   • 卷积核的尺寸越大，则看到的图片信息越多，因此获得的特征会越好。

     但是卷积核的尺寸越大，模型的参数数量会爆涨，不利于模型的深度的增加，计算量和存储量也大幅上升。

   • 卷积核的尺寸越小，模型的参数数量越少，模型可以越深。

     但是卷积核的尺寸太小，则只能看到图片的一个非常小的局部区域，获得的特征越差。

2. 一种解决方案是：用多个小卷积层的堆叠来代替较大的卷积核。

   假设大卷积核的宽度是 ，则每经过一层，输出的宽度减少了 。假设希望通过 个宽度为 的小卷积核来代替，则为了保持输出的大小一致，需要满足：

   

   • 当 时，即用尺寸为 3 的卷积核代替尺寸为 的卷积核时，有：

   • 如：用 2 个 3x3 的卷积核来代替1个 5x5 的卷积核。

     假设输入通道数为 ，输出通道数为 ，则5x5 卷积核的参数数量为 ；

     而 2个 3x3 卷积核的参数数量为 ，是前者的 72% 。

   • 如果用 5 个 3x3 的卷积核来代替1个 11x11 的卷积核，则替代后的卷积核的参数数量是替代前的 37% 。

   

3. 用多个小卷积层的堆叠代替一个大卷积层的优点：

   • 可以实现与大卷积层相同的感受野。

   • 具有更大的非线性，网络表达能力更强。

     虽然卷积是线性的，但是卷积层之后往往跟随一个ReLU 激活函数。这使得多个小卷积层的堆叠注入了更大的非线性。

   • 具有更少的参数数量。

4. 小卷积层堆叠的缺点是：加深了网络的深度，容易引发梯度消失等问题，从而使得网络的训练难度加大。

5. 用多个小卷积层的堆叠代替一个大卷积层可以看作是一种正则化：要求大卷积核通过多个小卷积核进行分解（同时在小卷积层之间注入非线性）。

6. 感受野：一个特定的CNN 输出单元在输入空间所受影响的区域。上图中，染色的区域为某个输出单元的感受野。

   • 一个感受野可以用中心位置和大小来表示。
   • 用多个小卷积核来代替大卷积核时，输出单元的感受野不会受到影响。

7. 通常选择使用3x3 卷积核的堆叠：

   • 1x1 的卷积核：它无法提升感受野，因此多个1x1 卷基层的堆叠无法实现大卷积层的感受野。
   • 2x2 的卷积核：如果希望输入的feature map 尺寸和输出的feature map 尺寸不变，则需要对输入执行非对称的padding。此时有四种padding 方式，填充方式的选择又成了一个问题。
   • 3x3 的卷积核：可以提升感受野，对称性填充（不需要考虑填充方式），且尺寸足够小。

3.5 非对称卷积核

1. 在卷积核分解过程中，还有一种分解方式：非对称卷积核分解，将nxn 卷积替换为1xn 卷积和nx1 卷积。

   

2. 非对称卷积核的分解有以下优点：

   • 感受野保持不变。

   • 节省计算成本，尤其是当n 较大时。

     假设输入通道数和输出通道数都为 ，原始卷积nxn 的参数数量为： 。

     假设非对称卷积的1xn 的输出通道数也是 ，则非对称分解时参数数量为： 。它是原始卷积的参数数量的 。

3. 在Inception v2 论文中作者指出：对于较大的特征图 ，这种分解不能很好的工作；但是对于中等大小的特征图（尺寸在12～20 之间），这种分解效果非常好。

   因此非对称卷积分解通常用在较高的网络层。

3.6 多尺寸卷积核

1. 图像中目标对象的大小可能差别很大。如下图所示，每张图像中狗占据区域都是不同的。

   由于信息区域的巨大差异，为卷积操作选择合适的卷积核尺寸就非常困难。

   • 信息分布更具有全局性的图像中，更倾向于使用较大的卷积核。如最最侧的图片所示。
   • 信息分布更具有局部性的图像中，更倾向于使用较小的卷积核。如最右侧的图片所示。

   

2. 一个解决方案是：分别使用多个不同尺寸的卷积核从而获得不同尺度的特征。然后将这些特征拼接起来。

   • 在Inception 系列的网络中，大量使用这种思想。

     在最初版本的Inception 结构中，一个输入图片会分别同时经过1x1,3x3,5x5 的卷积核的处理；得到的特征再组合起来。

   • 通过多种尺度的卷积核，无论感兴趣的信息区域尺寸多大，总有一种尺度的卷积核与之匹配。这样总可以提取到合适的特征。

   

3. 多尺寸卷积核存在一个严重的问题：参数数量比单尺寸卷积核要多很多，这就使得计算量和存储量都大幅增长。

3.7 1x1 卷积核

1. 1x1 卷积并不是复制输入，它会进行跨通道的卷积。它有三个作用：

   • 实现跨通道的信息整合。

   • 进行通道数的升维和降维。

   • 在不损失分辨率的前提下（即：feature map 尺寸不变），大幅增加非线性。

     事实上1x1 卷积本身是通道的线性组合，但是通常会在1x1卷积之后跟随一个ReLU 激活函数。

   

2. 假设输入张量为 ，即： 个通道、宽度为 、高度为 。

   • 如果图片直接通过一个宽度为 ，高度为 、输出通道为 的卷积层，则参数数量为：

     

   • 如果图片先通过一个1x1、输出通道为 的卷积层，再经过一个 、输出通道为 的卷积层；最后经过一个1x1、输出通道为 的卷积层。

     这里中间卷积层的输出通道不一定为 ，但是一定是一个比 小的数。其作用是起到了信息压缩的作用（类似于PCA 降维）。

     则参数数量为：

     

   • 当 时（输入通道数与输出通道数接近）， ，以及 。

     则二者参数的数量比例为： 。因此后者的参数数量远远小于前者。

3. 1x1 卷积层通常会形成瓶颈层bottleneck layer 。瓶颈层指的是网络中信息被压缩的层。

   • 输入feature map 中每个元素值代表某个特征，将所有图片在该feature map 上的取值扩成为矩阵：

     

     其中 为样本的数量， 。即：行索引代表样本，列索引代表特征。所有特征由feature map 展平成一维得到。

     通常 ，则输入矩阵 的秩 。假设输入矩阵 的秩为 。

   • 不考虑1x1 卷积的非线性层，则1x1 卷积是输入特征的线性组合。输出 featuremap 以矩阵描述为：

     

     其中 。

   • 信息膨胀过程：当 时， 的容量要大于 的信息，因此所有的有效信息都可以得到保留。

   • 信息压缩过程：当 时， 的容量要小于 的信息，这时需要参考 的有效信息。

     的有效信息由矩阵 的秩 决定。

     • 当矩阵 是满秩时，即： ，此时对 的任何压缩都会丢失有效信息。

     • 当矩阵 不是满秩时：

       • 当 非常小时， 的容量要小于 的有效信息，此时会导致有效信息丢失。
       • 当 较大时， 的容量要大于等于 的有效信息，此时不会丢失有效信息。这是1x1 卷积相当于线性降维。

   • 在前文提到的例子（示意图如下所示）中，输入feature map 先经过1x1 卷积的压缩，这会导致该段信息容量的下降；然后经过常规卷积，此段信息容量不变；最后经过1x1 卷积的膨胀，恢复了信息容量。

     整体而言模型的信息容量很像一个bottleneck，因此1x1 卷积层也被称作瓶颈层。

   

4. 事实上，不仅1x1 卷积层会形成bottleneck，任何会降低模型信息容量的层都会形成瓶颈。

   因此在卷积神经网络中，通常每经过一个卷积层，输出尺寸减半、输出通道数翻倍。

5. 瓶颈层中的信息膨胀阶段不是必须存在，通常信息膨胀过程是为了保持整个瓶颈层的输入尺寸、输出尺寸满足某些约束。如：输出尺寸等于输入尺寸。

3.8 DepthWise 卷积

1. 标准的卷积会考虑所有的输入通道，而DepthWise 卷积会针对每一个输入通道进行卷积操作，然后接一个1x1 的跨通道卷积操作。

   

2. DepthWise 卷积与分组卷积的区别在于：

   • 分组卷积是一种通道分组的方式，它改变的是对输入的feature map 处理的方式。

     Depthwise 卷积是一种卷积的方式，它改变的是卷积的形式。

   • Depthwise 分组卷积结合了两者：首先沿着通道进行分组，然后每个分组执行DepthWise 卷积。

3. 假设输入张量为 ，即： 个通道、宽度为 、高度为 。

   • 假设使用标准卷积，输入通道的数量为 ，输出通道的数量为 ，卷积核的尺寸为 。则需要的参数数量为 。

   • 使用Depthwise 卷积时，图像的每个通道先通过一个 的 deptpwise 卷积层，再经过一个 1x1、输出通道为 的卷积层。

     参数数量为：

     

     其参数数量是标准卷积的 。因此depthwise 卷积的参数数量远远小于标准卷积。

1. DepthWise 卷积有几种变形的形式：

   • 只有对每个输入通道执行单通道卷积，没有后续的1x1 的跨通道卷积。
   • 对输入通道执行单通道卷积的结果执行BN 和 ReLU，再后接1x1 的跨通道卷积。这会引入更多的非线性。

3.9 通道混洗分组卷积

1. 在分组卷积中，特征的通道被平均分配到不同的分组中。如果融合的时刻非常靠后，则对模型的泛化性相当不利，因为如果能在早期知道其它通道的一些信息，则很可能得到更有效的特征。

2. 通道混洗分组卷积在每一次分组卷积之后执行一次通道混洗，被混洗过的通道被分配到不同的分组中。

   经过通道混洗之后，每个分组输出的特征能够考虑到更多的通道，因此输出特征的表达能力更强。

   在ShuffleNet 中，大量运用了这种通道混洗分组卷积。

   

3. 在AlexNet 的分组卷积中，执行的是标准卷积操作。

   在ShuffleNet 中，分组卷积执行的是deptiwise 卷积，从而使得参数更少。

3.10 通道加权卷积

1. 在常规卷积中，各通道产生的特征都是不分权重直接结合的。通道加权卷积中，不同的通道具有不同的权重，各通道产生的特征经过加权之后再结合。

   所用到的权重是输入的函数。

   注意：因为卷积是线性过程，因此卷积计算的通道加权等价于对输入的feature map 的通道加权。

2. SEnet（Squeeze-and-Excitation Networks）网络大量使用通道加权卷积。在SEnet 中存在三个关键的操作：

   • Squeeze 操作：沿着空间维度压缩特征，将每个二维的feature map 通道压缩成一个实数。

     该实数具有全局的感受野，表征了在该feature map 通道上响应的全局分布。

   • Excitation 操作：通过一个类似循环神经网络中的门机制，用一个sigmoid 激活函数的全连接层获取每个feature map 通道的权重。

     实际上，Excitation 操作使用了两个全连接层来获取通道权重。

   • Reweight 操作：将特征通道的权重通过乘法逐通道的加权到先前的feature map 上。

   

3.11 空洞卷积

1. 在图像分割任务，图像输入到传统卷积层，然后再输入到池化层。由于图像分割是逐像素的输出，因此需要将池化层的输出（一个较小的尺寸）升采样（一般使用反卷积操作）到原始的图像尺寸来进行预测。

   但是这里有几个问题：

   • 升采样（如：线性插值） 是确定性的映射，无法学习（也没有参数要学习）。
   • 在这个图像的先减少尺寸、再增大尺寸过程中，有一些信息损失。
   • 小物体信息无法重建。假设有 4个池化层，每个池化层的尺寸为2、步长为2，理论上任何小于 个像素的物体信息将无法被重建。

   解决方案是空洞卷积。

2. 空洞卷积：对于空洞数为 的空洞卷积，卷积结果为：

   

   它实际上等价于一个卷积核为 的新的卷积核，其中 为当前卷积核的大小。新的卷积核的特点是：每隔 个位置，权重非零；否则权重为零。另外首行、首列、尾行、尾列权重均为零。

   称作膨胀比 dilation rate 。

   

   

3. 空洞卷积的优点：在不做池化损失信息的情况下，加大感受野，让每个卷积的输出都包含较大范围的信息。

   在图像需要全局信息，或者语音、文本需要较长序列信息的问题中，空洞卷积都能很好的应用。

4. 空洞卷积的缺点：

   • 网格效应(Gridding Effect )。如果仅仅多次叠加多个 dilation rate=2 的 3x3 的卷积核时，会发现：并不是所有的输入像素都得到计算，也就是卷积核不连续。

     这对于逐像素的预测任务来说，是致命的问题。

     

   • 长距离信息可能与任务无关。采用空洞卷积可能对大物体的分割有效果，但是对于小物体的分割可能没有好处。

     如何同时处理不同大小的物体，则是设计好空洞卷积网络的关键。

5. 为了解决空洞卷积的缺点，人们提出了一种混合空洞卷积的结构（Hybrid Dilated Convolution:HDC) 。

   该结构有三个特性：

   • 叠加的空洞卷积的dilation rate 不能有大于1的公约数。这是为了对抗网格效应。

     如：[2,4,6] 不是一个好的三层空洞卷积，因为会出现网格效应。

   • 将dilation rate 设计成锯齿状结构。这是为了同时满足小物体、大物体的分割要求。

     如[1,2,5,1,2,5] 的循环结构。

   • 最后一层的空洞卷积的dilation rate 最大，且dilation rate 小于等于卷积核的大小。

     这也是为了对抗网格效应。

   下面是一组dilation rate 分别为[1,2,5] 的卷积核，卷积核的尺寸为3x3