资讯

历史

科技

环境与自然

成长

游戏

财经

文学与艺术

美食

健康

家居

文化

情感

汽车

三农

军事

旅行

运动

教育

生活

星座命理

深度解析MobileNetV2：倒置残差与线性瓶颈及PyTorch实现

创作时间:

作者:

@小白创作中心

深度解析MobileNetV2：倒置残差与线性瓶颈及PyTorch实现

引用

CSDN

https://m.blog.csdn.net/fengbeely/article/details/140674473

MobileNetV2是Google在2018年提出的一种轻量级卷积神经网络，主要用于移动设备上的图像识别任务。它通过引入倒残差模块和线性瓶颈结构，在保持较高识别精度的同时大幅减少了模型的计算量和参数量。本文将详细介绍MobileNetV2的核心原理，并提供完整的PyTorch实现代码。

简介

MobileNetV2是一个轻量化网络，论文题目和地址如下：

论文题目：MobileNetV2: Inverted Residuals and Linear Bottlenecks
论文地址：https://arxiv.org/abs/1801.04381

重点干货

倒残差模块/反向残差模块(Inverted Residuals)
线性瓶颈(Linear Bottleneck)

其中，倒残差模块中还用了深度卷积(Depthwise Convolution,DW)和逐点卷积(Pointwise Convolution,PW)，我们后续介绍。

倒残差模块/反向残差模块(Inverted Residuals)

深度卷积(Depthwise Convolution,DW)

深度卷积完全在二维平面上进行，一个卷积核负责一个通道；一个通道只被一个卷积核卷积。结构如下图：

可以看到，DW操作的输入通道数=Feature Map数=输出通道数，且每个通道之间无相互关联，单独进行卷积运算，就相当于分组进行了计算。在Pytorch中可以用nn.Conv2d()实现。

torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1,bias=True)

其中参数含义分别为:(输入通道,输出通道,卷积核大小,步长,补0,卷积核间隙,分组,偏置)。实现倒残差模块应该设置in_channels=out_channels=groups

由于DW操作每个通道单独操作，没有利用不同通道的feature信息，所以需要PW操作来整合不同通道的信息，产生新的特征

逐点卷积(Pointwise Convolution,PW)

逐点卷积：卷积核大小为1×1×in_channels，将上一步操作的特征图在通道方向上加权组合，生成新的feature map，大小与输入一致。以较小的计算量进行降维或者升维操作，"混合"通道信息。就是一个1×1卷积，输出通道数改变。

nn.Conv2d(in_channels,out_channels,kernel_size=1,padding=0,bias=False)

将DW操作和PW操作结合起来，叫深度分离卷积(Depthwise Separable Convolutions)，整体结构如下:

倒残差模块

输入经过1×1卷积进行通道扩张（通过增加卷积核的个数扩大通道数，文中扩大6倍），然后使用3×3的DW，最后用1×1的PW将通道压缩回去。

线性瓶颈(Linear Bottleneck)

作者的结论：

If the manifold of interest remains non-zero volume after ReLU transformation, it corresponds to a linear transformation
ReLU is capable of preserving complete information about the input manifold, but only if the input manifold lies in a low-dimensional subspace of the input space.

经过一系列特征提取过程后，会产一个兴趣流形，如果它经过ReLU后得到非零结果，那它就对应一个线性变换。ReLU只有当输入流形存在于输入空间低维度时才可以完整保存输入流形的信息。

个人理解：轻量级网络的思想就是降维，减少参数。但是降维的话ReLU会损失更多的信息，而ReLU没有损失的部分就相当于一个线性分类器。所以干脆直接用线性分类器来提高性能。

总结:将PW操作的激活函数由ReLU换成Linear

将线性瓶颈应用到倒残差模块中，结构如下:

MobileNetV2整体结构与具体网络参数

MobileNetV2网络的整体结构如下：

stride = 1时，输入先经过一个1×1卷积和ReLU6，再经过一个3×3的DW操作，其中padding=1(保证输入和输出大小相同)，再经过一个1×1的PW操作，最后通过shortcut将PW后的结果与初始相加得到最终结果。只有当步长为1且in_channels!=out_channels时才使用shortcut，否则shortcut无意义
stride = 2时，省略shortcut操作

ReLU6：

f(x) = min(max(0,x),6)

具体网络参数如下：

其中，t代表扩张倍数；c代表输出通道数；n代表该层重复n次；s为步长。

注意

：All layers in the same sequence have the same number c of output channels. The first layer of each sequence has a stride s and all others use stride 1.

重复层序列的输出通道数都相同
重复层中的第一层的步长为s，其余均为1

Pytorch实现MobileNetV2

线性瓶颈块

import torch
import torch.nn as nn

class BottleNeck(nn.Module):
    def __init__(self, in_channels, out_channels, stride, t):
        super().__init__()
        self.conv = nn.Sequential(
            nn.Conv2d(in_channels, in_channels*t, 1, bias=False),
            nn.BatchNorm2d(in_channels*t),
            nn.ReLU6(inplace=True),
            nn.Conv2d(in_channels*t, in_channels*t, 3, stride=stride, padding=1, groups=in_channels*t, bias=False),
            nn.BatchNorm2d(in_channels*t),
            nn.ReLU6(inplace=True),
            nn.Conv2d(in_channels*t, out_channels, 1, bias=False),
            nn.BatchNorm2d(out_channels)
        )
        self.shortcut = nn.Sequential()
        if stride == 1 and in_channels != out_channels:
            self.shortcut = nn.Sequential(
                nn.Conv2d(in_channels, out_channels, 1, bias=False),
                nn.BatchNorm2d(out_channels)
            )
            
        self.stride = stride
        
    def forward(self, x):
        out = self.conv(x)
        if self.stride == 1:
            out += self.shortcut(x)
        return out

MobileNetV2整体

class MobileNetV2(nn.Module):
    def __init__(self, class_num=1000):
        #根据自己数据集的分类类别修改class_num
        super().__init__()
        self.conv1 = nn.Sequential(
            nn.Conv2d(3, 32, 3, stride=2, padding=1, bias=False),
            nn.BatchNorm2d(32),
            nn.ReLU6(inplace=True)
        )
        #cin,cout,t,n,s
        self.bottleneck1 = self.make_layer(32, 16, 1, 1, 1)
        self.bottleneck2 = self.make_layer(16, 24, 6, 2, 2)
        self.bottleneck3 = self.make_layer(24, 32, 6, 3, 2)
        self.bottleneck4 = self.make_layer(32, 64, 6, 4, 2)
        self.bottleneck5 = self.make_layer(64, 96, 6, 3, 1)
        self.bottleneck6 = self.make_layer(96, 160, 6, 3, 2)
        self.bottleneck7 = self.make_layer(160, 320, 6, 1, 1)
        self.conv2 = nn.Sequential(
            nn.Conv2d(320, 1280, 1, bias=False),
            nn.BatchNorm2d(1280),
            nn.ReLU6(inplace=True)
        )
        self.avgpool = nn.AdaptiveAvgPool2d(1)
 
        self.linear = nn.Linear(1280, class_num)
        
    def make_layer(self,in_channels, out_channels,t,n,s):
        layers = []
        #第一层
        layers.append(BottleNeck(in_channels, out_channels, s, t))
        while n-1:
            #其他重复层，输入输出通道相同，步长为1
            layers.append(BottleNeck(out_channels, out_channels, 1, t))
            n -= 1
            
        #layers是所有Bottleneck块列表，每个元素是Bottleneck块，*将layers拆成每个元素
        return nn.Sequential(*layers)
    
    def forward(self, x):
        #2,3,32,32
        x = self.conv1(x)
        #2,3,32,32
        x = self.bottleneck1(x)
        x = self.bottleneck2(x)
        x = self.bottleneck3(x)
        x = self.bottleneck4(x)
        x = self.bottleneck5(x)
        x = self.bottleneck6(x)
        x = self.bottleneck7(x)
        #2,320,4,4
        x = self.conv2(x)
        #2,1280,4,4
        x = self.avgpool(x)
        #2,1280,1,1
        x = torch.flatten(x,1)
        #2,1280
        x = self.linear(x)
        #2,1000
        return x

测试网络结构

def test():
    net = MobileNetV2()
    x = torch.randn(2,3,32,32)
    y = net(x)
    #print(y.size())
    
test()