骨干网络(backbone)

在现代深度学习算法研究中，通用的骨干网+特定任务网络head成为一种标准的设计模式。

关于卷积神经网络(CNN)骨干结构的思考

概念

什么是机器学习、模式识别？

机器学习、模式识别、深度学习等等模型的目的，是压缩。对数据的背诵这不是压缩，对特征的提取才是压缩。

传统手工计算机视觉任务和卷积神经网络(CNN)共享哪些特性？

它们都抓住了、而且必须抓住平移、镜像、一定程度上的缩放不变性，只要满足不变性，相似的特征表征能力一定强。CNN的新工作还有旋转不变性、仿射变换不变性和时间轴上的灰度不变性。设计思路不包含这些不变性的，一般都是逗比。

一般的CNN模型，（比如在ImageNet上训练的模型）压缩效果如何？

在ImageNet上训练的不少模型，把2 ^ (224 * 224 * 3 * 8bit)的数据空间中的数据特征用少到几十万，大到几亿的参数表征出来，起到了局部或者全局特征的提取，从而用特征进行各种任务。重要的是很多任务可以通过1次定义结构端到端完成。

用于计算机视觉分类的CNN为何重要？

它是Object Detection, Scene Parsing, OCR等任务的前导性任务，往往也被称为Backbone Model。而且在上面快速实验很多元方法，比如dropout，attention，套用GAN等等是直接、方便的。

CNN存在什么问题？

要求概率图可微分这个假设很强，在CNN里体现为参数连续，而很多超参离散，使用同样的NN技巧自动连续超参还凑合，离散会碰到各种问题。

重要结构梳理

知道为什么，远比知道是什么重要。论文是读不过来的。但是读论文可以通过多读好文、浏览水文、搭配烂文提高品位。

我们应该关心结构的哪方面

CNN Backbone往往是各种CNN模型的一个共享结构

概念中提到，它是Object Detection, Scene Parsing, OCR等任务的前导性任务。
- AlexNet: https://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf
- VGG: https://arxiv.org/pdf/1409.1556.pdf
- Residual Network: https://arxiv.org/pdf/1512.03385.pdf
- Wide ResNet: https://arxiv.org/pdf/1605.07146.pdf
- FractalNet: https://arxiv.org/pdf/1605.07648.pdf
- ResNeXt: https://arxiv.org/pdf/1611.05431.pdf
- GoogleNet: https://arxiv.org/pdf/1409.4842.pdf
- Inception: https://arxiv.org/pdf/1602.07261.pdf
- DenseNet: https://arxiv.org/pdf/1608.06993.pdf
- SORT: https://arxiv.org/pdf/1703.06993.pdf
- Compact Bilinear: https://arxiv.org/pdf/1511.06062.pdf
这个共享结构除了结构性的超参（总深度、总宽度）以外，反复使用了多种技巧，其中包括
- Residual(残差): 直接elementwise加法。
- Concat(特征拼接): 直接对特征深度作拼接。
- Bottleneck(特征压缩): 通过Conv(1,1)对稀疏的或者臃肿的特征进行压缩
- Grouping(分组): fc-softmax分类器从1个观察点把不同类靠空间球心角分离开，不同类放射状散开不符合高斯假设。分组改善了这一点。
- Fractal(分形模式): 结构复用，可能带来好处
- High-Order(高阶): 在非分组时，可能带来好处
- Asymmetric(非对称): Conv(1,3),Conv(1,5),Conv(1,7)属于非对称结构，这个技巧在OCR处理长宽非1:1的字体有用
再次的，我们对结构有一个重新的审视
- AlexNet/VGG: 普通
- VGG: 加深
- ResNet: 通过x+F(x)直接加法实现了Residual模块
- Wide ResNet: 加宽
- FractalNet: 结构复用，使用Concat
- ResNeXt: ResNet基础上对Conv(3,3)使用了分组，但是如果Conv(1,1)也分组甚至精度不降
- GoogleNet/Inception: 大量的非对称技巧
- DenseNet: 大量使用压缩
- SORT: 一个小trick使用elementwise x*F(x)实现高阶
- Compact Bilinear: 通过学习矩阵A实现x’Ay实现制造新的特征

CNN Backbone以外的专用结构

为Object Detection设计的结构更主要关心多尺度框选准确与否，因此有RPN、SPPNet、上下采样等设计思想。
为Scene Parsing设计的结构更主要关心单位像素点分类正确与否，因此有FCN、上下采样等设计思想。

本文不作介绍。

结构上的元方法

作为模型压缩的替代方案，XNOR，二值化（Binarization），量子化（Quantization，使用数个比特替代原模型）

本文不作介绍。

如何优化CNN Backbone

我们在DataParallel的语境下面讨论这个问题。也就是说，每张显卡都保存一份参数全集，一份数据+数据形成FeatureMap的子集。

我们知道，就像组装深度学习服务器一样，你的预算一定的条件下，如何搭配一台服务器才能让CPU对数据预处理够用、内存加载数据够用、硬盘I/O够用，以及最重要的是，选择一块好的GPU卡。资源不是无限的。这其实是一个线性规划问题。在这里不赘述。

进行CNN Backbone优化同样有这个问题：

你的显存利用率和GPU算力利用率如何达到最高？

降低Batch-size会减小Feature Map占用缓存，但收敛情况怎么样，可能饮鸩止渴。
加宽直接影响参数数量。
加深不仅影响参数数量还影响Feature Map大小。
分组极大节省参数，甚至还能提高效果。
结构复用、压缩节省参数，增加计算量。
特征拼接、高阶操作降低并行效率，尤其不是inplace的那种。在动态图框架尤为如此。
Bilinear大量使用额外参数。
非对称带来额外的代码工作。
任何新颖结构的引入带来非连续超参，让模型BP，让超参优化无B可P。

如何提高CNN Backbone设计品位？

美就是简单
美就是复用
美就是对称
美就是分形

Inception-ResNet.v2干不过ResNeXt，我一点都不意外。

Mask-RCNN标配ResNeXt101 Backbone，我一点都不意外。

DeepInsight团队欢迎您来优化CNN Backbone

基于个人品位，使用ResNeXt+WideResNet+SORT，强力备选方案是DenseNet修改版。
大量超参可调整。
CIFAR100 top1 acc: 84.2%，可再现。
计划使用Compact Bilinear和Attention。

相关专业名词