SENet原理与torch实现

SENet (Squeeze-and-Excitation Network) https://arxiv.org/pdf/1709.01507

原理

SE模块是一个即插即用的模块，它是对特征图进行处理变换，将输入的$C^{{}^{\prime }}\ast W^{{}^{\prime }}\ast H^{{}^{\prime }}$变为$C\ast W\ast H$。如上图。做这个变换的原因是考虑特征的不同通道之间的关系，对于特征图而言，大量的通道中，可能有的通道的特征图有用，而有的无效，SE的想法就是通过学习的方式获取每个特征通道的重要程度，然后依照这个重要程度提升有用的特征，抑制无效的特征。

模块名称的由来是图上的两个操作：squeeze和excitation。$F_{tr}$部分是一个普通的卷积变换，将输入变为$C\ast W\ast H$形状的$U$。对$U$进行$sq$和$ex$操作。

sq操作 ： 将每个通道的$W\ast H$的特征图映射为一个可以表示其全局信息的数，用一个全局信息嵌入的向量表示特征图。论文中使用的是全局池化，对于每个通道的特征图$u_c$，挤压后的输出通过公式$z_c=\frac{Sum(u_c)}{H\times W}$ 得到。原文表述如下图。

当然除了这里提到的全局平均池化，也有其他方式计算，只要得到的特征向量能够描述全局信息即可。

对每个通道进行上述操作，就可以得到$C$个数，是这$C$个通道的特征图描述算子。

ex操作 ： 这个操作是通过上面得到的特征向量学习每个通道的特征权重。这个操作是为了获取通道之间的依赖性。

这一部分有两个要求：1.足够灵活，尤其是要能学习到通道之间的非线性相互作用（nonlinear interaction between channels）。 2. 要能学习到非互斥关系（ non-mutually-exclusive relationship），因为要能确保多个通道被强调，意思就是突出某些通道，抑制另一些通道。而不是强制one-hot 激活，因为one-hot编码在同一个时间只有一个激活点，除了这个特征点外，其他都是0，而这里我们需要的是不同通道有各自对应的权重，而不是只突出一个。

论文中采用了一种简单的门控机制。使用两层全连接实现，两层先后用了ReLU和sigmoid激活，公式如上图。简化一下，输入$1\ast 1\ast C$的向量$z$，输出是$1\ast 1\ast C$的向量$s$，中间的变换为
$$s=sigmoid(W_2\ast ReLU(W_1\ast z))$$
其中$W_1,W_2$是要学习的参数。显然，通道数目$C$中间经历了$C\to mid\_channel\to C$的变化。那么这个中间的通道数怎么计算呢？论文中定义了中间瓶颈的维度缩减比例$r$, 这个超参数的取值是通过实验获得的，在ResNet-50的实验中，结果表明取$r=16$时在准确率与参数量（模型的复杂度）上取得较好的平衡。当然，论文中也说了，这个参数并不是一定是这个值，只是对ResNet-50网络中，采用16这个比例较好。对于不同的网络要自行决定这个超参数的值。

In practice, using an identical ratio throughout a network may not be optimal (due to the distinct roles performed by different layers), so further improvements may be achievable by tuning the ratios to meet the needs of a given base architecture.

通过ex操作后的$1\ast 1\ast C$的向量，实际上描述了每个通道特征图的权重，最后加权到特征图上。即$F_{scale}$部分，点积相乘$F_{scale}(u_c,s_c)=s_c{u}_c$。

效果

使用torch实现一个SE模块，代码如下。

import torch.nn as nn
class  selayer(nn.modules):
    def __init__(self,channel, ratio=16):
        super(selayer).__init__()
        self.gap = nn.AdaptiveAvgPool2d(1)  # 全局平均池化 sq操作
        self.fc = nn.Sequential(  # 两个全连接层，ex操作
            nn.Linear(channel, channel//ratio, bias=False),  # 从 c -> c/r
            nn.ReLU(inplace=True),
            nn.Linear(channel//ratio, channel, bias=False), # 从 c/r  -> c
            nn.Sigmoid()
        )
    
    def forward(self,x ):
        b, c, h, w = x.size() 
        y = self.gap(x).view(b,c) # sq 
        y = self.fc(y).view(b,c,1,1) # ex
        return x*y.expand_as(x) # 将得到的权重乘以原来的特征图x

SE模块非常简单，但效果很好，可以添加到网络的各个部位，论文中实验了在ResNet中添加SE模块的效果。另外还探究了模块在网络中集成的位置，如下四种连接方式。

此外，论文还研究了sq操作和ex操作是否真的起了作用，还对比了替换掉池化操作，并将两个全连接层替换为$1\times 1$卷积的 NoSqueeze。总之，论文最后的各种实验都证明了SE模块的有效性，emmm，结果就略了。

思考： 可以看到，SE模块的主要思想是通过权重的方式表示各通道特征图的重要性，这个所谓权重的计算是通过sq和ex操作完成。sq操作聚合了单个通道的空间信息，而ex操作则采用了两个全连接层，是对这$C$个特征向量的变换处理，从特征维度(channel-wise)方面聚合了信息，使用变换后的特征向量作为每个特征图的权重系数，从而改进特征图。在原论文的基础上，我们可以进行一些尝试，如其他获取全局信息特征向量的sq操作，不使用论文中的GAP，ex操作的压缩，有没有可能采用其他方法而不使用全连接层。或者sq操作中采用不同分支（事实上这就是改进版的SKNet，在sq和ex操作上增加了不同的分支）。对SE的魔改，主要就集中在sq聚合单个通道的信息和ex变换各个通道的特征向量上。