Dynamic ReLU:微软推出提点神器,可能是最好的ReLU改进 | ECCV 2020

论文提出了动态ReLU,能够根据输入动态地调整对应的分段激活函数,与ReLU及其变种对比,仅需额外的少量计算即可带来大幅的性能提升,能无缝嵌入到当前的主流模型中

来源:晓飞的算法工程笔记 公众号

论文: Dynamic ReLU

Introduction


  ReLU是深度学习中很重要的里程碑,简单但强大,能够极大地提升神经网络的性能。目前也有很多ReLU的改进版,比如Leaky ReLU和 PReLU,而这些改进版和原版的最终参数都是固定的。所以论文自然而然地想到,如果能够根据输入特征来调整ReLU的参数可能会更好。

  基于上面的想法,论文提出了动态ReLU(DY-ReLU)。如图2所示,DY-ReLU是一个分段函数$f_{\\theta{(x)}}(x)$,参数由超函数$\\theta{(x)}$根据输入$x$得到。超函数$\\theta(x)$综合输入的各维度上下文来自适应激活函数$f_{\\theta{(x)}}(x)$,能够在带来少量额外计算的情况下,显著地提高网络的表达能力。另外,论文提供了三种形态的DY-ReLU,在空间位置和维度上有不同的共享机制。不同形态的DY-ReLU适用于不同的任务,论文也通过实验验证,DY-ReLU在关键点识别和图像分类上均有不错的提升。

Definition and Implementation of Dynamic ReLU


Definition

  定义原版的ReLU为$y=max\\{x, 0\\}$,$x$为输入向量,对于输入的$c$维特征$x_c$,激活值计算为$y_c=max\\{x_c, 0\\}$。ReLU可统一表示为分段线性函数$y_c=max_k\\{a^k_c x_c+b^k_c\\}$,论文基于这个分段函数扩展出动态ReLU,基于所有的输入$x=\\{x_c\\}$自适应$a^k_c$,$b^k_c$:

  因子$(a^k_c, b^k_c)$为超函数$\\theta(x)$的输出:

  $K$为函数数量,$C$为维度数,激活参数$(a^k_c, b^k_c)$不仅与$x_c$相关,也与$x_{j\\ne c}$相关。

Implementation of hyper function $\\theta(x)$

  论文采用类似与SE模块的轻量级网络进行超函数的实现,对于大小为$C\\times H\\times W$的输入$x$,首先使用全局平均池化进行压缩,然后使用两个全连接层(中间包含ReLU)进行处理,最后接一个归一化层将结果约束在-1和1之间,归一化层使用$2\\sigma(x) - 1$,$\\sigma$为Sigmoid函数。子网共输出$2KC$个元素,分别对应$a^{1:K}_{1:C}$和$b^{1:K}_{1:C}$的残差,最终的输出为初始值和残差之和:

  $\\alpha^k$和$\\beta^k$为$a^k_c$和$b^k_c$的初始值,$\\lambda_a$和$\\lambda_b$是用来控制残差大小的标量。对于$K=2$的情况,默认参数为$\\alpha^1=1$,$\\alpha^2=\\beta^1=\\beta^2=0$,即为原版ReLU,标量默认为$\\lambda_a=1.0$,$\\lambda_b=0.5$。

Relation to Prior Work

  DY-ReLU的可能性很大,表1展示了DY-ReLU与原版ReLU以及其变种的关系。在学习到特定的参数后,DY-ReLU可等价于ReLU、LeakyReLU以及PReLU。而当$K=1$,偏置$b^1_c=0$时,则等价于SE模块。另外DY-ReLU也可以是一个动态且高效的Maxout算子,相当于将Maxout的$K$个卷积转换为$K$个动态的线性变化,然后同样地输出最大值。

Variations of Dynamic ReLU


  论文提供了三种形态的DY-ReLU,在空间位置和维度上有不同的共享机制:

DY-ReLU-A

  空间位置和维度均共享(spatial and channel-shared),计算如图2a所示,仅需输出$2K$个参数,计算最简单,表达能力也最弱。

DY-ReLU-B

  仅空间位置共享(spatial-shared and channel-wise),计算如图2b所示,输出$2KC$个参数。

DY-ReLU-C

  空间位置和维度均不共享(spatial and channel-wise),每个维度的每个元素都有对应的激活函数$max_k\\{a^k_{c,h,w} x_{c, h, w} + b^k_{c,h,w} \\}$。虽然表达能力很强,但需要输出的参数($2KCHW$)太多了,像前面那要直接用全连接层输出会带来过多的额外计算。为此论文进行了改进,计算如图2c所示,将空间位置分解到另一个attention分支,最后将维度参数$[a^{1:K}_{1:C}, b^{1:K}_{1:C}]$乘以空间位置attention$[\\pi_{1:HW}]$。attention的计算简单地使用$1\\times 1$卷积和归一化方法,归一化使用了带约束的softmax函数:

  $\\gamma$用于将attention平均,论文设为$\\frac{HW}{3}$,$\\tau$为温度,训练前期设较大的值(10)用于防止attention过于稀疏。

Experimental Results

  图像分类对比实验。

  关键点识别对比实验。

  与ReLU在ImageNet上进行多方面对比。

  与其它激活函数进行实验对比。

  可视化DY-ReLU在不同block的输入输出以及斜率变化,可看出其动态性。

Conclustion


  论文提出了动态ReLU,能够根据输入动态地调整对应的分段激活函数,与ReLU及其变种对比,仅需额外的少量计算即可带来巨大的性能提升,能无缝嵌入到当前的主流模型中。前面有提到一篇APReLU,也是做动态ReLU,子网结构十分相似,但DY-ReLU由于$max_{1\\le k \\le K}$的存在,可能性和效果比APReLU更大。



如果本文对你有帮助,麻烦点个赞或在看呗~
更多内容请关注 微信公众号【晓飞的算法工程笔记】

work-life balance.

你可能感兴趣的:(算法,机器学习,人工智能,深度学习,神经网络)