DGC：真动态分组卷积，可能是解决分组特征阻塞的最好方案 | ECCV 2020 Spotlight

近期，动态网络在加速推理这方面有很多研究，DGC(Dynamic Group Convolution)将动态网络的思想结合到分组卷积中，使得分组卷积在轻量化的同时能够加强表达能力，整体思路直接清晰，可作为网络设计时的一个不错的选择
 
来源：晓飞的算法工程笔记 公众号

论文: Dynamic Group Convolution for Accelerating Convolutional Neural Networks

• 论文地址：https://arxiv.org/abs/2007.04242
• 论文代码：https://github.com/zhuogege1943/dgc

Introduction

---

  分组卷积目前广泛应用于轻量级网络中，但论文分析发现分组卷积有两个致命的缺点：

• 由于引入稀疏连接，减弱了卷积的表达能力，导致性能的降低，特别对于难样本。

• 固定的连接模式，不会根据输入样本的特性而改变。而论文通过可视化DenseNet中间层的输入维度对输出维度的贡献发现，不同的输入维度对不同的输出的贡献是不一样的，而且这个贡献关系在不同的输入样本之间也存在差异。

  参考动态网络的思想，论文提出动态分组卷积(DGC, dynamic group convolution)，为每个分组引入小型特征选择器，根据输入特征的强度动态决定连接哪些输入维度，而多个分组能捕获输入图片中不同的互补特征，学习到丰富的特征表达能力。为此，动态分组卷积能够在保持原网络的完整结构下，自适应地为每个分组的选择最相关输入维度。

Group-wise Dynamic Execution

---

  DGC的结构如图2所示，将输出维度分成多个分组，每组都配有辅助head，用来决定那些输入维度用于卷积计算。每个分组的逻辑如下：

1. saliency generator生成输入维度的重要性分数。
2. input channel selector采用gating策略根据重要性评分来动态决定输入维度最重要部分。
3. 对选择的输入维度子集进行正常的卷积操作。

  最后，将所有head的输出concate并打乱，送入后续的BN层和激活层。

Saliency Generator

  saliency generator为每个输入维度指定一个分数用来表示其重要程度，每个head都有特定的saliency generator，用来引导不同的head使用不同的输入维度，从而增加特征的多样化表达。saliency generator遵循了SE block的设计，对于第$i$个head，重要性向量$g^i$的计算为：

  $g^i\in {\mathbb{R}}^{1\times C}$代表输入维度的重要性向量，$(z{)}_{+}$代表ReLU激活，$p$将每个输入特征图缩小为单个标量，论文采用使用全局平均池化，${\beta }^i$和$W^i$为可学习参数，${\beta }^i$为偏置，$W^i$两部转换操作${\mathbb{R}}^{1\times C}\mapsto {\mathbb{R}}^{1\times C/d}\mapsto {\mathbb{R}}^{1\times C}$，其中d为压缩比。这里的$x^i$为全部输入维度，即在每个head中，所有的输入维度都是候选。

Gating Strategy

  在获得重要性向量后，下一步是决定当前head选择哪些输入维度参与后续的卷积操作，可以用head-wise阈值或network-wise阈值来过滤分数较低的输入特征。论文使用的是head-wise阈值，给定目标裁剪比例$\zeta$，第$i$个head的阈值${\tau }^i$满足：

  重要性分数有两个作用：1) 重要性分数小于阈值的将被去除 2) 剩余的维度会使用对应的重要性分数进行加权，得到加权特征$y^i\in {\mathbb{R}}^{(1-\zeta )C\times H\times W}$。假设head数量为$\mathcal{H}$，第$i$个head的卷积核为$w^i\subset {\theta }^i,{\theta }^i\in {\mathbb{R}}^{k\times k\times C\times \frac{C^{{}^{\prime }}}{\mathcal{H}}}$，则对应的卷积计算为：

  公式7其实就是将选择的特征和对应的权值选出来进行常规卷积计算，${\mathcal{I}}_{top}\lceil k\rceil (z)$返回$z$中最大的$k$个元素的下标，输出$x^{{}^{\prime }i}\in {\mathbb{R}}^{\frac{C^{{}^{\prime }}}{\mathcal{H}}\times H^{{}^{\prime }}\times W^{{}^{\prime }}}$，$\otimes$为常规卷积。在DGC的最后，各输出会合并然后打乱，输出$x^{{}^{\prime }}$。
  为了让重要性分数尽量稀疏，引入lasso损失：

  $\mathcal{L}$为DGC层数，$\lambda$为预设的超参数。

Computation Cost

  卷积核大小为$k$的常规卷积MAC为$k^2{C}^{{}^{\prime }}C{H}^{{}^{\prime }}{W}^{{}^{\prime }}$，而DGC中，每个head的saliency generator和卷积的MAC为$\frac{2C^2}{d}$和$k^2(1-\zeta )C\frac{C^{{}^{\prime }}}{\mathcal{H}}{H}^{{}^{\prime }}{W}^{{}^{\prime }}$。所以DGC层的MAC相对于常规卷积的节省比例为：

  head的数量$\mathcal{H}$几乎对整体的计算消耗没有影响。

Invariant to Scaling

  DGC方法整体思想与动态剪枝算法FBS有点类似，FBS算法的流程如上图所示，计算的是输出维度的重要性分数，在最后的特征输出时使用重要性分数进行了加权，没有采用BN。这种加权方式会导致每个样本的特征分布差异较大，造成internal covariate shift问题。
  而DGC虽然也使用重要性分数进行特征加权，但其对最后的卷积结果进行BN+ReLU归一化来避免这个问题：

Training DGC Networks

  DGC网络从零开始训练，不需要预训练模型。在反向传播阶段，仅计算推理时选择的维度的相关权值的梯度，其它设为零。为了防止剪枝导致训练损失变化过大，在训练过程逐步增加裁剪比例$\zeta$。整体训练分为3个阶段，第一阶段(前1/12 epochs)用于warm up，第二阶段逐步提升剪裁比例进行训练，第三阶段(后1/4 epochs)用于fine-tune稀疏网络，学习率下降采用余弦退火下降方法。

Experiments

---

  与剪枝方法和动态维度选择方法对比，DGC-G使用network-wise阈值进行维度选择，这个阈值是在训练中学习来的。

  与其它轻量级网络对比。

  不同参数设置的性能对比。

  可视化浅层和深层的重要性分数和过滤情况。

  DGC网络某层的其中一个head对于各输入维度的裁剪概率。

Conclustion

---

  DGC(Dynamic Group Convolution)将动态网络的思想结合到分组卷积中，使得分组卷积在轻量化的同时能够加强表达能力，整体思路直接清晰，可作为网络设计时的一个不错的选择。

 
 
 

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】