计算机视觉论文阅读二：弄懂残差网络ResNet Deep Residual Learning for Image Recognition

素颜马尾好姑娘i 2022-05-27 11:08 207阅读 0赞

# 0.摘要 #

本网络能够让网络层数增加的同时，识别率不下降。

神经网络没有证明，所以你看论文不能忽略作者的introduction以及related work，更重要的是实验，因为没有数学证明，实践证明又不严谨的话，就是一个笑话。所以产业化也不容易。（所以要学习大牛们是怎么做试验的）

图片来自[论文][Link 1]，版权归作者所有。

# 1.网络越深为什么错误率上升了 #

![70][]![70 1][]

首先我们有个浅层网络训练好的，然后我们往上增加层数，假设这个层是identity mapping，[这里][Link 2]翻译成恒等mapping，[wiki][]说是恒等映射，一模一样，x=I(x),那么识别率不应该下降，也就是说浅层网络的错误率一定比更多层的网络高。这个原论文解释，还差点火候，因为还有一篇论文他们写的，专门用来解释，不是一两句说的清楚的。最后面有论文连接。等我看了再更一篇。所以理解大概意思就好。

以上网络构建的过程说是最好的。作者决定使用跳层，shortcut connection作为identity mapping。

我觉得吧，这个说不好啊，只能说越深错误率不会上升，却不能说明，错误率会下降，有可能不变，所以怎么说是最好的呢，留个问号

梯度是[链式的][Link 3]。简而言之就是前一层梯度，等于后一层的梯度，乘以后一层对前一层的梯度，所以你可以递归求梯度。所以让这个文章[解释][Link 4]可用性还是有点意思。

可是，本文的作者在实验的时候明确的指出，不，我们看了下用了BN(batch normalization)的plain net的梯度，并没出现梯度消失。

# 2.卷积相当于用非线性函数拟合理想特征提取复杂函数 #

我是没听说过，积累一下。这是来自这一段：

![70 2][]

Relu(Wx+b)就相当于这个隐含层H(x)（由很多层叠在一起组成）非线性函数，我们可以用这个函数来拟合论文中提到的functions2，不过本论文要用这个函数F(x)来拟合残差函数（隐含层的输出减去输入F(x)=H(x)-x）。不过由于残差函数更好优化，所以我们借助残差函数来优化H(x).

# 3.干货 #

*  引入的identity mapping也就是x不会带入时间复杂度，以及参数，也就是说我的网络没有变胖。
 *  网络依旧是End to End，而且依旧可以使用随即梯度下降。
 *  现有的架构就能实现，比方说caffe
 *  应用了两个数据库，证明普适性。对多种类型的高端问题比方说分类，分割，都取得了第一名当时。
 *  增加网络深度，不会增加错误率
 *  identity mapping来自于前两层网络，一般跳两层，三层。你可以选择很多层。

# 4.网络 #

![70 3][]

这个网络最右侧的是残差网络，实现是这样的：

![70 4][]

两层举个例子：函数是Relu

![70 5][]

注意还得加上X:    y=F+x

如果跳三层：  y=W3r(W2r(W1(x)))+X

示意图：

![70 6][]

三层就是256通道过多，所以先下降到64，卷积，然后再还原回去。

于是网络图严格写下来是这样的：

![70 7][]

我说下怎么看：

*  每次下采样网络变小都会改一次名,conv2\_x 到conv3\_x。
 *  后面用\[\]括起来表示这个结构将重复多少次，所以你可以算一下，比如第二列的34层网络，1+1+2\*3+2\*4+2\*6+2\*3=34。
 *  每两层或者每三层括起来表示跳层，也就是第一层的网络的输入，跳到第二层网络的输出上。

事实上只有这里似乎是解释了我这个网络为什么好使，还有related work介绍了下残差函数残差向量。之后他们又写了一篇[论文][Link 5]，可能会解释。

![70 8][]

# 名词解释 #

degradation problem:   按理说增加网络深度应该增加识别率，但是并没有。就是**1** 解释的。

好了完。

[Link 1]: https://arxiv.org/pdf/1512.03385.pdf
[70]: https://img-blog.csdn.net/20180417170829216?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNDk4NTM=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70
[70 1]: /images/20220527/0f5bcca0c9c5493dacb5e6bb33103167.png
[Link 2]: https://www.leiphone.com/news/201608/vhqwt5eWmUsLBcnv.html
[wiki]: https://proofwiki.org/wiki/Definition:Identity_Mapping
[Link 3]: https://www.youtube.com/watch?v=ILsA4nyG7I0
[Link 4]: https://zh.gluon.ai/chapter_convolutional-neural-networks/resnet-gluon.html
[70 2]: /images/20220527/aac9332dbce141fe81e995db6773c20b.png
[70 3]: /images/20220527/14225a15d8ac4f94a7fb59018a73571f.png
[70 4]: /images/20220527/6afa3512a2694d349d31d2dc4efa6277.png
[70 5]: /images/20220527/ab6a3fce2d8f4a1e878daa37e1964911.png
[70 6]: /images/20220527/33ea595df316464a903786376737cf46.png
[70 7]: /images/20220527/2b53fcf36fa34a61a0b3483ab3a53e4c.png
[Link 5]: https://arxiv.org/pdf/1603.05027.pdf
[70 8]: /images/20220527/81bf4b70e3d248c3a6be8e1b576fccc5.png