探索与实现 MobileNet V3 网络结构

MobileNetV3是由Google在2019年3月21日提出的网络架构，参考arXiv的论文，其中包括两个子版本，即Large和Small。

源码参考：https://github.com/SpikeKing/mobilenet_v3/blob/master/mn3_model.py

重点：

1. PyTorch实现MobileNetV3架构；
2. h-swish和h-sigmoid的设计；
3. 新的MobileNet单元；
4. SE结构和Residual结构；
5. Last Stage：提前Avg Pooling，和使用1x1卷积；

网络结构：

---

整体架构

MobileNetV3的网络结构可以分为三个部分：

• 起始部分：1个卷积层，通过3x3的卷积，提取特征；
• 中间部分：多个卷积层，不同Large和Small版本，层数和参数不同；
• 最后部分：通过两个1x1的卷积层，代替全连接，输出类别；

网络框架如下，其中参数是Large体系：

源码如下：

def forward(self, x):
    # 起始部分
    out = self.init_conv(x)

    # 中间部分
    out = self.block(out)

    # 最后部分
    out = self.out_conv1(out)
    batch, channels, height, width = out.size()
    out = F.avg_pool2d(out, kernel_size=[height, width])
    out = self.out_conv2(out)

    out = out.view(batch, -1)
    return out

---

起始部分

起始部分，在Large和Small中均相同，也就是结构列表中的第1个卷积层，其中包括3个部分，即卷积层、BN层、h-switch激活层。

源码如下：

init_conv_out = _make_divisible(16 * multiplier)
self.init_conv = nn.Sequential(
    nn.Conv2d(in_channels=3, out_channels=init_conv_out, kernel_size=3, stride=2, padding=1),
    nn.BatchNorm2d(init_conv_out),
    h_swish(inplace=True),
)

h-switch 和 h-sigmoid

h-switch是非线性激活函数，公式如下：

图形如下：

源码：

out = F.relu6(x + 3., self.inplace) / 6.
return out * x

h-sigmoid是非线性激活函数，用于SE结构：

源码：

return F.relu6(x + 3., inplace=self.inplace) / 6.

图形如下：

卷积的计算公式

• 输入图片：W×W
• 卷积核：F×F
• 步长：S
• Padding的像素值：P
• 输出图片大小为：N×N

公式：

N = (W − F + 2P ) / S + 1

其中，向下取整，多余的像素不参于计算。

---

中间部分

中间部分是多个含有卷积层的块（MobileBlock）的网络结构，参考，Large的网络结构，Small类似：

其中：

• SE：Squeeze-and-Excite结构，压缩和激发；
• NL：Non-Linearity，非线性；HS：h-swish激活函数，RE：ReLU激活函数；
• bneck：bottleneck layers，瓶颈层；
• exp size：expansion factor，膨胀参数；

每一行都是一个MobileBlock，即bneck。

源码：

self.block = []
for in_channels, out_channels, kernal_size, stride, nonlinear, se, exp_size in layers:
    in_channels = _make_divisible(in_channels * multiplier)
    out_channels = _make_divisible(out_channels * multiplier)
    exp_size = _make_divisible(exp_size * multiplier)
    self.block.append(MobileBlock(in_channels, out_channels, kernal_size, stride, nonlinear, se, exp_size))
self.block = nn.Sequential(*self.block)

MobileBlock

三个必要步骤：

1. 1x1卷积，由输入通道，转换为膨胀通道；
2. 3x3或5x5卷积，膨胀通道，使用步长stride；
3. 1x1卷积，由膨胀通道，转换为输出通道。

两个可选步骤：

1. SE结构：Squeeze-and-Excite；
2. 连接操作，Residual残差；步长为1，同时输入和输出通道相同；

其中激活函数有两种：ReLU和h-swish。

结构如下，参数为特定，非通用：

源码：

def forward(self, x):
    # MobileNetV2
    out = self.conv(x)  # 1x1卷积
    out = self.depth_conv(out)  # 深度卷积

    # Squeeze and Excite
    if self.SE:
        out = self.squeeze_block(out)

    # point-wise conv
    out = self.point_conv(out)

    # connection
    if self.use_connect:
        return x + out
    else:
        return out

子步骤如下：

第1步：1x1卷积

self.conv = nn.Sequential(
    nn.Conv2d(in_channels, exp_size, kernel_size=1, stride=1, padding=0),
    nn.BatchNorm2d(exp_size),
    activation(inplace=True)
)

第2步：膨胀的卷积操作

groups是exp值，每个通道对应一个卷积，参考，并且不含有激活层。

self.depth_conv = nn.Sequential(
    nn.Conv2d(exp_size, exp_size, kernel_size=kernal_size, stride=stride, padding=padding, groups=exp_size),
    nn.BatchNorm2d(exp_size),
)

第3步：1x1卷积

self.point_conv = nn.Sequential(
    nn.Conv2d(exp_size, out_channels, kernel_size=1, stride=1, padding=0),
    nn.BatchNorm2d(out_channels),
    activation(inplace=True)
)

可选操作1：SE结构

1. 池化；
2. Squeeze线性连接 + RELU + Excite线性连接 + h-sigmoid；
3. resize；
4. 权重与原值相乘；

源码：

class SqueezeBlock(nn.Module):
    def __init__(self, exp_size, divide=4):
        super(SqueezeBlock, self).__init__()
        self.dense = nn.Sequential(
            nn.Linear(exp_size, exp_size // divide),
            nn.ReLU(inplace=True),
            nn.Linear(exp_size // divide, exp_size),
            h_sigmoid()
        )

    def forward(self, x):
        batch, channels, height, width = x.size()
        out = F.avg_pool2d(x, kernel_size=[height, width]).view(batch, -1)
        out = self.dense(out)
        out = out.view(batch, channels, 1, 1)

        return out * x

可选操作2：残差结构

最终的输出与原值相加，源码如下：

self.use_connect = (stride == 1 and in_channels == out_channels)

if self.use_connect:
    return x + out
else:
    return out

---

最后部分

最后部分（Last Stage），通过将Avg Pooling提前，减少计算量，将Squeeze操作省略，直接使用1x1的卷积，如图：

源码：

out = self.out_conv1(out)
batch, channels, height, width = out.size()
out = F.avg_pool2d(out, kernel_size=[height, width])
out = self.out_conv2(out)

第1个卷积层conv1，SE结构同上，源码：

out_conv1_in = _make_divisible(96 * multiplier)
out_conv1_out = _make_divisible(576 * multiplier)
self.out_conv1 = nn.Sequential(
    nn.Conv2d(out_conv1_in, out_conv1_out, kernel_size=1, stride=1),
    SqueezeBlock(out_conv1_out),
    h_swish(inplace=True),
)

第2个卷积层conv2：

out_conv2_in = _make_divisible(576 * multiplier)
out_conv2_out = _make_divisible(1280 * multiplier)
self.out_conv2 = nn.Sequential(
    nn.Conv2d(out_conv2_in, out_conv2_out, kernel_size=1, stride=1),
    h_swish(inplace=True),
    nn.Conv2d(out_conv2_out, self.num_classes, kernel_size=1, stride=1),
)

最后，调用resize方法，将Cx1x1转换为类别，即可

out = out.view(batch, -1)

除此之外，还可以设置multiplier参数，等比例的增加和减少通道的个数，满足8的倍数，源码如下：

def _make_divisible(v, divisor=8, min_value=None):
    if min_value is None:
        min_value = divisor
    new_v = max(min_value, int(v + divisor / 2) // divisor * divisor)
    # Make sure that round down does not go down by more than 10%.
    if new_v < 0.9 * v:
        new_v += divisor
    return new_v

---

至此，MobileNet V3的网络结构已经介绍完成。