卷积神经网络中的Separable Convolution_转载

﹏ヽ暗。殇╰゛Y 2022-12-27 04:52 121阅读 0赞

卷积神经网络在图像处理中的地位已然毋庸置疑。卷积运算具备强大的特征提取能力、相比全连接又消耗更少的参数，应用在图像这样的二维结构数据中有着先天优势。然而受限于目前移动端设备硬件条件，显著降低神经网络的运算量依旧是网络结构优化的目标之一。本文所述的Separable Convolution就是降低卷积运算参数量的一种典型方法。

## 常规卷积运算 ##

假设输入层为一个大小为64×64像素、三通道彩色图片。经过一个包含4个Filter的卷积层，最终输出4个Feature Map，且尺寸与输入层相同。整个过程可以用下图来概括。

![conv-std][]

此时，卷积层共4个Filter，每个Filter包含了3个Kernel，每个Kernel的大小为3×3。因此卷积层的参数数量可以用如下公式来计算：

N_std = 4 × 3 × 3 × 3 = 108

## Separable Convolution ##

Separable Convolution在Google的Xception[\[1\]][1]以及MobileNet[\[2\]][2]论文中均有描述。它的核心思想是将一个完整的卷积运算分解为两步进行，分别为Depthwise Convolution与Pointwise Convolution。

### Depthwise Convolution ###

同样是上述例子，一个大小为64×64像素、三通道彩色图片首先经过第一次卷积运算，不同之处在于此次的卷积完全是在二维平面内进行，且Filter的数量与上一层的Depth(即 number of channels)相同。所以一个三通道的图像经过运算后生成了3个Feature map，如下图所示。 (注：Depthwise改成Channelwise更好理解)

![depthwise-conv][]

其中一个Filter只包含一个大小为3×3的Kernel，卷积部分的参数个数计算如下：

N_depthwise = 3 × 3 × 3 = 27

Depthwise Convolution完成后的Feature map数量与输入层的depth相同，但是这种运算对输入层的每个channel独立进行卷积运算后就结束了，没有有效的利用不同map在相同空间位置上的信息。因此需要增加另外一步操作来将这些map进行组合生成新的Feature map，即接下来的Pointwise Convolution。

### Pointwise Convolution ###

Pointwise Convolution的运算与常规卷积运算非常相似，不同之处在于卷积核的尺寸为 1×1×M，M为上一层的depth。所以这里的卷积运算会将上一步的map在深度方向上进行加权组合，生成新的Feature map。有几个Filter就有几个Feature map。如下图所示。

![pointwise-conv][]

由于采用的是1×1卷积的方式，此步中卷积涉及到的参数个数可以计算为：

N_pointwise = 1 × 1 × 3 × 4 = 12

经过Pointwise Convolution之后，同样输出了4张Feature map，与常规卷积的输出维度相同。

## 参数对比 ##

回顾一下，常规卷积的参数个数为：

N_std = 4 × 3 × 3 × 3 = 108

Separable Convolution的参数由两部分相加得到：

N_depthwise = 3 × 3 × 3 = 27
    N_pointwise = 1 × 1 × 3 × 4 = 12
    N_separable = N_depthwise + N_pointwise = 39

相同的输入，同样是得到4张Feature map，Separable Convolution的参数个数是常规卷积的约1/3。因此，在参数量相同的前提下，采用Separable Convolution的神经网络层数可以做的更深。

1.  [Xception: Deep Learning with Depthwise Separable Convolutions, François Chollet][Xception_ Deep Learning with Depthwise Separable Convolutions_ Fran_ois Chollet] [↩︎][Link 1]
2.  [MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications][MobileNets_ Efficient Convolutional Neural Networks for Mobile Vision Applications] [↩︎][Link 2]

转载自：[此处][Link 3]

[conv-std]: /images/20221120/875f90f7b7844641bbf468240b3077c8.png
[1]: https://yinguobing.com/separable-convolution/#fn1
[2]: https://yinguobing.com/separable-convolution/#fn2
[depthwise-conv]: /images/20221120/117543f9b9c04210a6bd5200cff8100f.png
[pointwise-conv]: /images/20221120/6fa0bec223694655b9e3172f717c4cc8.png
[Xception_ Deep Learning with Depthwise Separable Convolutions_ Fran_ois Chollet]: http://openaccess.thecvf.com/content_cvpr_2017/papers/Chollet_Xception_Deep_Learning_CVPR_2017_paper.pdf
[Link 1]: https://yinguobing.com/separable-convolution/#fnref1
[MobileNets_ Efficient Convolutional Neural Networks for Mobile Vision Applications]: https://arxiv.org/abs/1704.04861
[Link 2]: https://yinguobing.com/separable-convolution/#fnref2
[Link 3]: https://yinguobing.com/separable-convolution/