MobileNet v2 核心总结

MobileNet v2 核心总结

MobileNet v2 若干理论解释

在MobileNet v2结构中，由两个基本结构，一种是plain类型的Linear Bottlenecks；另外一种是残差类型的Inverted residuals
在可视化之前，先说说，为啥要这样做？这里引用了论文中的两个猜想：

1. If the manifold of interest remains non-zero volume after ReLU transformation, it corresponds to a linear transformation.
2. 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

这里解释一个词manifold of interest，作者将 w×h×c w × h × c 的一个feature map 理解成特征图上的一个点由c维特征！而manifold of interest表示对于我们分类或者识别任务的有用的特征，显然要提高分类识别精度，则manifold of interest需要分布在这c维特征空间或其子空间中！这是manifold of interest想要表达的意思。

此外，再来说说激活函数在深度网络特征表达上起了什么作用？这里作者以ReLU为例。

如上图，最左边是输入到ReLU的特征，后面几张图都是，通过 Y=ReLU(wx+b) Y = R e L U ( w x + b ) 的结果，可以理解为不同全连接神经网络，从图中可以看到，当输出的维度比较低时，输入信息实际上是损失比较大的，但是当输出维度比较高时，输入信息能够保留下来

因此，作者得出了两个结论：
（1）激活函数ReLU能够导致，输入信息的丢失；
（2）如果将输出维度提高的话，采用ReLU之后，信息丢失比较少。

在文中，作者是这样解释的：

when ReLU collapses the channel, it inevitably loses information in that channel. However if we have lots of channels, and there is a a structure in the activation manifold that information might still be preserved in the other channels.

意思就是，采用ReLU激活函数不可避免的导致输入信息的流逝，但是当我们有很多维特征，某一特征经过ReLU的时候，丢失了。但是，相同的特征可能保留在其他维度！

因此，我们在搭建网络的时候，怎么采用呢？（怎么采用文章中提出的两个猜想）
首先借鉴猜想2，假设输入特征图中包含了，分类识别所需的所有特征分布（manifold of interest）在输入的c个维度中。因此，我们首先将输入维度进行拓展，拓展成 t timesc t   t i m e s c 个维度（t为拓展系数，大于1）（显然，这里有点像机器学习中的核函数），因此，分类识别所需的所有特征分布在 t timesc t   t i m e s c 的子空间中，这时候，采用ReLU激活函数能够保留输入的特征。

然后借鉴猜想1，通过ReLU激活函数之后，特征的维度依然是 t timesc t   t i m e s c 这个时候缩小其特征维度变成 c′ c ′ ，相当于对manifold of interest进行了维度压缩，当然这些特征都是非0的，因此，按照猜想1，ReLU对非0的特征相当于做了一个线性的映射，因此，就可以去掉ReLU激活函数。

但是还有一个问题就是，对特征图进行维度扩展，势必真的计算量，这里就采用了将一个普通的卷积操作分为depthwise convolution和pointwise convolution减少权值和计算量，其基本结构如下图所示：

再来说，Inverted residuals结构，其实就是为了方便网络反向传播，而加上的Skip Connection结构，其本质还是一样的！不过就是，正常的残差结构都是在Blockneck减少特征维度，而这里增加特征维度，道理和前面一样的！

可视化

plain Linear Block

Inverted residuals