python 关于CNN的一些思考-2022

Posted 2022-05-25 das白

关于CNN的一些思考-2022

• 前言
• • CNN (Neural Computation 1989)
  • • • 核心思想
  • MobileNets (CVPR 2017) DConv
  • • • 核心思想
  • Shift (CVPR 2018) SConv
  • • • 核心思想
  • ConvNet (CVPR 2022)
  • • • 核心思想
  • Large Kernel:31x31(CVPR 2022)
  • • • 核心思想
  • 总结
• 疑问猜想
• • 疑问1：为什么之前很少有论文用大卷积核？`
  • 疑问2：大卷积核为什么这么work？
• 参考链接

前言

今年(2022)CVPR有两篇关于CNN的论文让我印象深刻，因为它们不约而同的使用了更大的卷积核：
之前我在自己的研究方向上也尝试了大卷积核，确实效果很好，当然，不能无脑大 – 得调参

回顾卷积，简单点说像是一种多核加权的自适应滤波(是传统图像滤波算法的延伸)，核里的参数是通过反向传播进行慢慢调整的。近几年CNN发展太快了，有偶数核的卷积(2 x 2而不是3 x 3)、深度可分离卷积、shift移位卷积、重参数化的卷积、门控卷积等等。随着Transformers的兴起，还有使用卷积进行位置编码的操作。 这里就不一一列举了，有兴趣的百度即可 - -
我之前写了一篇关于重参数化的思考 关于重参数化的一些思考-2022 很有启发性的工作

本博主列举了几篇文章，并进行一定讨论 (友情提示：本文对初学者不是很友好)

• 疑问1：为什么之前很少有论文用大卷积核？
• 疑问2：大卷积核为什么这么work？

---

CNN (Neural Computation 1989)

论文¹: Backpropagation applied to Handwritten zip code recognition

• 核心思想

最早提出卷积的文章，最原始的卷积。
以现在的角度来看(2022年)其实就是空间域和通道域的加权求和

博客 (ICLR 2022) ²:Deep Neural Nets: 33 years ago and 33 years from now

特斯拉AI总监发表的博客，很有意思，复现了LeCun 33年前的神经网络。
这篇文章给我的感觉：现代深度学习技术最work的还是数据增强(dropout)和更深更宽的网络
并不是说其它技术没用，而是不具备普适性 有些只对特定数据集有效 – 个人观点,不喜勿喷
当然，有些网络或者技术并就是针对某一类问题的

---

MobileNets (CVPR 2017) DConv

论文³: MobileNets: Efficient Convolutional Neural Networks for Mobile Vision

• 核心思想

与原始的卷积不同，深度可分离的卷积只是通道域的加权求和，使用点积来对空间域特征进行交互
深度可分离的卷积应用的很广，因为真的可以涨点
很可惜的是速度慢了点(在GPU上)，因为原始的一个卷积被替换成了至少两个卷积(DConv + 点积)

---

Shift (CVPR 2018) SConv

论文⁴: Shift: A Zero FLOP, Zero Parameter Alternative to Spatial Convolutions

• 核心思想

在深度可分离的基础上，使用简单的图像移位来进行空间域特征的交互(具体实现涉及到底层编程)
可以说是深度可分离卷积的加强版，确实把参数消减了很多，但是准确率也不可避免的下降了
实际部署的话应该会更有用(如果可以接受下降的准确率) 最近看的论文很少用Shift ，大多是DConv

详情可参考⁵:紧致卷积网络设计——Shift卷积算子

---

ConvNet (CVPR 2022)

论文⁴: A ConvNet for the 2020s

• 核心思想

将最新的技术(数据增强、归一化、DConv等等)添加到了ResNet，也可以达到很好的效果
具体的改动只放Block，亲测涨点明显，这篇文章给卷积党带来了很大信心

---

Large Kernel:31x31(CVPR 2022)

论文⁶: Scaling Up Your Kernels to 31x31: Revisiting Large Kernel Design in CNNs

• 核心思想

在Stage3里使用的大卷积核(也是DConv),同样加入GELU激活函数
这么大的卷积核暂未亲测，应该效果不会太差

---

总结

不得不说 ⁷:Money is all you need 是正解，越深入研究，越感觉好的设备是真香 可以快速验证自己的想法
最近关于MLP的文章也很多 本质上还是加权求和(参数共享) 感觉使用卷积也能实现 – 个人感觉

• 比如⁸:MLP-Mixer 里隐藏的卷积
• 再比如⁹:谷歌提出MAXIM模型刷榜多个图像处理任务，代码已开源

还有一些自注意力与卷积结合的文章

• 比如¹⁰:ACmix：自注意力和卷积的融合 等等

嘴强王者到此结束

疑问猜想

疑问1：为什么之前很少有论文用大卷积核？`

• 跑过的都知道，实在是占GPU，而且速度慢，效果也不一定好(可能调参没到位)
• 先进的硬件设备是大卷积核的xxx土壤，目前使用大卷积核也是在池化之后的 因为这样GPU内存占的少
• 也许从一开始使用大卷积核效果也不错？也可能在大图像上(不池化)用大的卷积核较难拟合一个稳定函数？

疑问2：大卷积核为什么这么work？

• 说实话，不懂！！！！！！！！！！！
• 感觉Transformers本身的自注意力使用到图像上就很奇怪，确定每一个图像注意力权重大的地方是人们真正关心的地方吗？炼丹 - 玄学 倒是点云使用自注意力就很流畅，毕竟只有位置编码
• 只能是基于前人的实验经验，做出假设和推理 我记得VIT是使用了预训练效果才上去的，所以也许对于很大的数据量来说，卷积(小的核)是一种限制 使用大的卷积核可以进一步解放这个限制 (传统图像滤波处理使用大的窗口效果好一点)
• 私以为加权求和还有潜力可挖，怎么赋予其更可解释性的求和方式是未来发展的一大趋势 – 个人感觉

题外话：不可否认池化的作用，亲测确实很有效
但是以后随着卷积的发展会不会把池化给抛弃呢，池化对图像是很方便的操作，但是池化对于其他数据结构并不友好 - -

---

参考链接

---

1. Backpropagation applied to Handwritten zip code recognition ↩︎

2. Deep Neural Nets: 33 years ago and 33 years from now ↩︎

3. MobileNets: Efficient Convolutional Neural Networks for Mobile Vision ↩︎

4. Shift: A Zero FLOP, Zero Parameter Alternative to Spatial Convolutions ↩︎ ↩︎

5. 紧致卷积网络设计——Shift卷积算子 ↩︎

6. Scaling Up Your Kernels to 31x31: Revisiting Large Kernel Design in CNNs ↩︎

7. Money is all you need ↩︎

8. MLP-Mixer 里隐藏的卷积 ↩︎

9. 谷歌提出MAXIM模型刷榜多个图像处理任务，代码已开源 ↩︎

10. ACmix：自注意力和卷积的融合 ↩︎

开发者涨薪指南 48位大咖的思考法则、工作方式、逻辑体系