标签：维度 导致 深网络 grid .com nbsp repr ica lib
微软亚洲研究院的何凯明等人
论文地址
https://arxiv.org/pdf/1512.03385v1.pdf
更深层次的神经网络训练更加困难。我们提出一个 Residual的学习框架来缓解训练的网比之前所使用的网络深得多。我们提供全面的经验证据显示这些残余网络更容易优化，并可以从显着增加的深度获得准确性。在ImageNet数据集上我们评估深度达152层残留网比VGG网[41]更深，但复杂度仍然较低。这些残留网络的集合实现了3.57％的误差在ImageNet测试集上。这个结果赢得了ILSVRC 2015分类任务第一名。
比赛总结ppt链接
http://image-net.org/challenges/talks/ilsvrc2015_deep_residual_learning_kaiminghe.pdf
ICCV 2015 Tutorial on Tools for Efficient Object Detection链接
http://mp7.watson.ibm.com/ICCV2015/ObjectDetectionICCV2015.html
学习更好的网络是否容易堆叠更多层？
层次深的问题是梯度消失/爆发[1,9]，阻碍了收敛。 这个问题已经通过归一化初始化被很大程度上解决[23,9,37,13]和中间标准化层[16]，使具有数十层用于反向传播的随机梯度下降（SGD）的网络开始收敛。
当更深层次的网络能够开始收敛时，退化问题已暴露：随着更深网络层次增加，然后准确度迅速下降。这种退化不是由过度拟合引起的，而是加入更多的层次到合适的深度模型导致更高的训练错误，如[11,42]中所报告，并经过全面验证我们的实验。
如果我们加入额外的层只是一个 identity mapping，那么随着深度的增加，训练误差并没有随之增加。所以我们认为可能存在另一种构建方法，随着深度的增加，更深层次的模型不应该产生更高的训练误差。
提出一个 deep residual learning 框架来解决这种因为深度增加而导致性能下降问题。
假设我们期望的网络层关系映射为 H(x)，我们假设把多增加的那些层拟合另一个映射， F(x):= H(x)-x , 那么原先的映射就是 F(x)+x。假设优化残差映射F(x) 比优化原来的映射 H(x)容易。F(x)+x 可以通过图二shortcut connections前馈神经网络来实现。
在ImageNet上评估此方法，发现更容易优化。并且发现plain nets在网络增加时候有更大的训练误差。我们的方法在深度增加时候比之前的网络更容易获准确提升。
Residual Representations.VLAD [18]是通过相对于字典的残差向量进行编码的表示，并且Fisher Vector [30]可以被公式化为VLAD的概率版本[18]。他们都是图像检索和分类的强大的浅表示[4,48]。对于矢量量化，编码残差矢量[17]被证明比编码原始矢量更有效。
在低级视觉和计算机图形学中，为了求解部分微分方程（PDE），广泛使用的Multigrid方法[3]将系统重构为多个尺度的子问题，其中每个子问题负责较粗和更细的残余解 规模。 Multigrid的替代方法是层次化基础预处理[45,46]，它依赖于代表的变量两个尺度之间的残差向量。 已经显示[3,45,46]这些求解器比没有考虑残差性质的标准求解器收敛得快得多。 这些方法表明，良好的重新配置或预处理可以简化优化。
Shortcut Connections的实践和理论[2,34,49]已经被研究了很长时间。训练多层感知器（MLP）的早期实践是将从网络输入连接到线路层的输出[34,49]。在[44,24]中，几个中间层直接连接到辅助分类器，用于消除/爆炸梯度。 [39,38,31,47]的论文提出了将层响应，梯度和传播错误对中的应用Shortcut Connections方法。
在[44]中，“初始”层由快捷分支和更深的分支组成。 与我们的工作同时，“highway networks”[42,43]提供了与门控功能的Shortcut Connections[15]。 这些门是数据相关的，并且具有参数，与我们不具参数的identity shortcuts方式相反。门gate当接近0时候关闭，相当于non-residual函数。而本文residual函数是始终存在的。
性能退化问题暗示多个非线性网络层用于近似identity mappings 可能有困难。使用残差学习改写问题之后，如果identity mappings 是最优的，那么优化问题变得很简单，直接将多层非线性网络参数趋0。实际中，identity mappings 不太可能是最优的，但是上述改写问题通过实验图7表明可能能帮助预处理问题。如果最优函数接近identity mappings，那么优化将会变得容易些。
公式（1）中的快捷连接不会引入额外的参数也不计算复杂度。 这不仅仅是我们可以相当比较plain and residual 网络同时拥有相同数量的参数，深度，宽度和计算成本（除了可忽略的元素加法除外）。方程（1）中x和f的尺寸必须相等。如果不是这种情况（例如，当改变输入/输出时通道），我们可以执行linear projection Ws 和shortcut connections匹配维度：
受 VGG 网络启发采用3*3滤波器，遵循两个设计原则：1）对于相同输出特征图尺寸，卷积层有相同个数的滤波器，2）如果特征图尺寸缩小一半，滤波器个数加倍以保持每个层的计算复杂度。通过步长为2的卷积来进行降采样。一共34个权重层。 需要指出，我们这个网络与VGG相比，滤波器比VGG19的18%，复杂度要小例如图3所示。我们推测深层网可能会具有指数低收敛速度，这影响了减少训练误差。这种优化的原因将来会有困难。
Residual Network.在plain network上每两个3*3filters中加入 shortcut connections，如图三所示。
网络结构：
针对 ImageNet网络的实现，我们遵循【21,41】的实践，图像以较小的边缩放至[256,480]，这样便于 scale augmentation，然后从中随机裁出 224*224，采用【21,16】文献的方法。
使用[21]中的标准色彩增强。 在每个卷积之后和激活之前，我们采用批量归一化（BN）[16] [16]。 我们按照[13]初始化权重，从头开始训练所有的平原/残留网。 我们用mini-batch为256的SGD。学习率从0.1开始，当偏差平缓时被除以10，并且模型训练高达60×10000迭代。 我们使用0.0001的重量衰减和0.9的动量。 我们不要使用dropout14]，遵循[16]的做法。
细节结构如table1，具体表现如图4和tables2结果。
我们对所有shortcut connections和零填充使用identity mapping来增加维度。 所以与plain network相比，它们没有额外的参数。我们有三个重要实验显示table 2和fig 4。Residual learning 34层ResNet优于18层ResNet（下跌百分之二点八）。 更重要的是，34层ResNet展出大大降低了训练误差，可以概括为验证数据。 这表明退化问题在这个设置中得到很好的解决，我们获得在增加的深度获得更好的acc。
实验表明parameter-free, identity shortcuts有利于训练。通过公式2映射shortcuts。Table 3中比较了三个方式，发现projections不是解决degradation问题的关键。Identity shortcuts是特别重要对于不增加bottleneck架构复杂性的情况下。
接下来我们描述我们更深入的网络网络。 由于考虑训练时间，我们可以将building block修改为bottleneck 设计4。 对于每个残差函数F，我们使用3层而不是2层（图5）。 三层是1×1,3×3和1×1卷积，其中1×1层负责减少然后增加（恢复）尺寸，使bottleneck 的3×3层具有较小输入/输出尺寸，两种设计具有相似的时间复杂性。无参数的Identity shortcuts方式特别重要对于bottleneck 架构。 如果Identity shortcuts方式在图5（右）中可以用投影projections来代替，发现时间复杂度和模型尺寸加倍，因为Identity shortcuts连接到两个高维端。 所以Identity shortcuts方式对于bottleneck 架构是很有效的设计。
Table 1 2 3 4 5 对以上三个实验数据结果都有印证。
标签：维度 导致 深网络 grid .com nbsp repr ica lib
原文地址：http://www.cnblogs.com/vincentqliu/p/7464918.html
