MobileNet-v2网络框架

一、MobileNet-v2

MobileNetV2: Inverted Residuals and Linear Bottlenecks

• 论文链接：https://arxiv.org/abs/1801.04381
• 论文翻译：https://www.e-learn.cn/content/qita/675949
• 论文详解：https://www.cnblogs.com/darkknightzh/p/9410574.html
• 论文代码：https://github.com/tensorflow/models/tree/master/research/slim/nets/mobilenet

二、MobileNet算法

1、线性瓶颈层（linear bottlenecks）

MobileNet-v2使用了线性瓶颈层。因为当使用ReLU等激活函数时，会导致信息丢失。如下图所示，低维（2维）的信息嵌入到n维的空间中，并通过随机矩阵T对特征进行变换，之后再加上ReLU激活函数，之后在通过T-1进行反变换。当n=2，3时，会导致比较严重的信息丢失，部分特征重叠到一起了；当n=15到30时，信息丢失程度降低，但是变换矩阵已经是高度非凸的了。

由于非线性层会毁掉一部分信息，因而非常有必要使用线性瓶颈层。且线性瓶颈层包含所有的必要信息，扩张层则是供非线性层丰富信息使用。

上图对比了不同的卷积方式：

• （a），传统卷积方式，输入和输出维度不一样，且卷积核直接对输入的红色立方体进行滤波；
• （b）为可分离卷积，左侧3×3卷积的每个卷积核只对输入的对应层进行滤波，此时特征维度不变；右边的1*1的卷积对特征进行升维或者降维（图中为升维）。
• （c）图中为带线性瓶颈层的可分离卷积，输入通过3×3 depthwise卷积+ReLU6，得到中间相同维度的特征。之后在通过1×1conv+ReLU6，得到降维后的特征（带斜线立方体）。之后在通过1×1卷积（无ReLU）进行升维。
• （d）图中则是维度比较低的特征，先通过1×1conv（无ReLU）升维，而后通过3×3 depthwise卷积+ReLU6保持特征数量不变，再通过1×1conv+ReLU6得到降维后的下一层特征；

2、Inverted residual block

上图为反转残差块（inverted residual block）。显示了传统的残差块和反转残差块的区别：

• 传统的残差块如（a）将高维特征先使用1×1conv降维，然后在使用3×3conv进行滤波，并使用1×1conv进行升维（这些卷积中均包含ReLU），得到输出特征（下一层的输入），并进行element wise的相加。
• 反转残差块则是将低维特征使用1×1conv升维（不含ReLU），而后使用3×3conv+ReLU对特征进行滤波，并使用1×1conv+ReLU对特征再降维，得到本层特征的输出，并进行element wise的相加。

反转的原因：瓶颈层的输入包含了所有的必要信息，因而右侧最左边的层后面不加ReLU，防止信息丢失。升维后，信息更加丰富，此时加上ReLU，之后在降维，理论上可以保持所有的必要信息不丢失。

为何使用ReLU？ 使用ReLU可以增加模型的稀疏性。过于稀疏了，信息就丢失了。。。

那瓶颈层内部为何需要升维呢？ 原因是为了增加模型的表达能力：当使用ReLU对某通道的信息进行处理后，该通道会不可避免的丢失信息；然而如果有足够多的通道的话，某通道丢失的信息，可能仍旧保留在其他通道中，因而才会在瓶颈层内部对特征进行升维。文中附录证明了，瓶颈层内部升维足够大时，能够抵消ReLU造成的信息丢失（如文中将特征维度扩大了6倍）。

瓶颈层的具体结构如上表所示。输入通过1×1的conv+ReLU层将维度从k维增加到tk维，之后通过3×3conv+ReLU可分离卷积对图像进行降采样（stride>1时），此时特征维度已经为tk维度，最后通过1×1conv（无ReLU）进行降维，维度从tk降低到k’维。

需要注意的是，除了整个模型中的第一个瓶颈层的t=1之外，其他瓶颈层t=6（论文中Table 2），即第一个瓶颈层内部并不对特征进行升维。

另外，对于瓶颈层，当stride=1时，才会使用elementwise 的sum将输入和输出特征连接（如上图左侧）；stride=2时，无short cut连接输入和输出特征（上图右侧）。

3、网络模型

MobileNetV2的模型如下图所示，其中t为瓶颈层内部升维的倍数，c为特征的维数，n为该瓶颈层重复的次数，s为瓶颈层第一个conv的步幅。

需要注意的是：

• 当n>1时（即该瓶颈层重复的次数>1），只在第一个瓶颈层stride为对应的s，其他重复的瓶颈层stride均为1
• 只在stride=1时，输出特征尺寸和输入特征尺寸一致，才会使用elementwise sum将输出与输入相加
• 当n>1时，只在第一个瓶颈层特征维度为c，其他时候channel不变。

例如，对于该图中56²×24的那层，共有3个该瓶颈层，只在第一个瓶颈层使用stride=2，后两个瓶颈层stride=1；第一个瓶颈层由于输入和输出尺寸不一致，因而无short cut连接，后两个由于stride=1，输入输出特征尺寸一致，会使用short cut将输入和输出特征进行elementwise的sum；只在第一个瓶颈层最后的1×1conv对特征进行升维，后两个瓶颈层输出维度不变（不要和瓶颈层内部的升维弄混了）。

该层输入特征为56×56×24，第一个瓶颈层输出为28×28×32（特征尺寸降低，特征维度增加，无short cut），第二个、第三个瓶颈层输入和输出均为28×28×32（此时c=32，s=1，有short cut）。

另外，下表中还有一个k。MobileNetV1中提出了宽度缩放因子，其作用是在整体上对网络的每一层维度（特征数量）进行瘦身。MobileNetV2中，当该因子<1时，最后的那个1×1conv不进行宽度缩放；否则进行宽度缩放。

4、pytorch代码

import torch.nn as nn
import math


def conv_bn(inp, oup, stride):
    return nn.Sequential(
        nn.Conv2d(inp, oup, 3, stride, 1, bias=False),
        nn.BatchNorm2d(oup),
        nn.ReLU6(inplace=True)
    )


def conv_1x1_bn(inp, oup):
    return nn.Sequential(
        nn.Conv2d(inp, oup, 1, 1, 0, bias=False),
        nn.BatchNorm2d(oup),
        nn.ReLU6(inplace=True)
    )


class InvertedResidual(nn.Module):
    def __init__(self, inp, oup, stride, expand_ratio):
        super(InvertedResidual, self).__init__()
        self.stride = stride
        assert stride in [1, 2]

        self.use_res_connect = self.stride == 1 and inp == oup

        self.conv = nn.Sequential(
            # pw
            nn.Conv2d(inp, inp * expand_ratio, 1, 1, 0, bias=False),
            nn.BatchNorm2d(inp * expand_ratio),
            nn.ReLU6(inplace=True),
            # dw
            nn.Conv2d(inp * expand_ratio, inp * expand_ratio, 3, stride, 1, groups=inp * expand_ratio, bias=False),
            nn.BatchNorm2d(inp * expand_ratio),
            nn.ReLU6(inplace=True),
            # pw-linear
            nn.Conv2d(inp * expand_ratio, oup, 1, 1, 0, bias=False),
            nn.BatchNorm2d(oup),
        )

    def forward(self, x):
        if self.use_res_connect:
            return x + self.conv(x)
        else:
            return self.conv(x)


class MobileNetV2(nn.Module):
    def __init__(self, n_class=1000, input_size=224, width_mult=1.):
        super(MobileNetV2, self).__init__()
        # setting of inverted residual blocks
        self.interverted_residual_setting = [
            # t, c, n, s
            [1, 16, 1, 1],
            [6, 24, 2, 2],
            [6, 32, 3, 2],
            [6, 64, 4, 2],
            [6, 96, 3, 1],
            [6, 160, 3, 2],
            [6, 320, 1, 1],
        ]

        # building first layer
        assert input_size % 32 == 0
        input_channel = int(32 * width_mult)
        self.last_channel = int(1280 * width_mult) if width_mult > 1.0 else 1280
        self.features = [conv_bn(3, input_channel, 2)]
        # building inverted residual blocks
        for t, c, n, s in self.interverted_residual_setting:
            output_channel = int(c * width_mult)
            for i in range(n):
                if i == 0:
                    self.features.append(InvertedResidual(input_channel, output_channel, s, t))
                else:
                    self.features.append(InvertedResidual(input_channel, output_channel, 1, t))
                input_channel = output_channel
        # building last several layers
        self.features.append(conv_1x1_bn(input_channel, self.last_channel))
        self.features.append(nn.AvgPool2d(input_size/32))
        # make it nn.Sequential
        self.features = nn.Sequential(*self.features)

        # building classifier
        self.classifier = nn.Sequential(
            nn.Dropout(),
            nn.Linear(self.last_channel, n_class),
        )

        self._initialize_weights()

    def forward(self, x):
        x = self.features(x)
        x = x.view(-1, self.last_channel)
        x = self.classifier(x)
        return x

    def _initialize_weights(self):
        for m in self.modules():
            if isinstance(m, nn.Conv2d):
                n = m.kernel_size[0] * m.kernel_size[1] * m.out_channels
                m.weight.data.normal_(0, math.sqrt(2. / n))
                if m.bias is not None:
                    m.bias.data.zero_()
            elif isinstance(m, nn.BatchNorm2d):
                m.weight.data.fill_(1)
                m.bias.data.zero_()
            elif isinstance(m, nn.Linear):
                n = m.weight.size(1)
                m.weight.data.normal_(0, 0.01)
                m.bias.data.zero_()