ResNet(残差网络)之残差模块

• 2015年何凯明提出的152层ResNet，获得了ILSVRC比赛图像识别的冠军（top1误差3.6%），同时也使得卷积神经网络有了真正的“深度”。
  随着网络深度的增加，训练变得愈加困难，这主要是因为在基于随机梯度下降的网络训练过程中，误差信号的多层反向传播非常容易引发“梯度弥散”（梯度过小会使回传的训练误差信号极其微弱）或者“梯度爆炸”（梯度过大导致模型出现NaN）的现象。目前一些特殊的权重初始化策略和批规范化(BN)等方法使这个问题得到了极大改善——网络可以正常训练了！！ 但是实际情形不容乐观。当模型收敛时，另外的问题又来了：随着网络深度的增加，训练误差没有降低反而升高。 这一现象与直觉极其不符，浅层网络可以被训练优化到一个很好的解，那么对应的更深层的网络至少也可以，而不是更差。这一现象在一段时间内困扰着更深层卷积神经网络的设计、训练和应用。
• 著名的残差网络（Residual Network，ResNet） 很好的解决了网络深度带来的训练困难的问题，它的网络性能（完成任务的准确度和精度）远超传统网络模型。

残差网络之前——高速公路网络（Highway Network）

• 常规卷积神经网络： $y=\mathcal{F}(x,w_f)$y=F(x,wf​)
• 高速公路网络： $y=\mathcal{F}(x,w_f)\cdot \mathcal{T}(x,w_t)+x\cdot \mathcal{C}(x,w_c)$y=F(x,wf​)⋅T(x,wt​)+x⋅C(x,wc​)
  （1）$\mathcal{T}(x,w_t)$T(x,wt​)，非线性变换，称作“变换门”，负责控制变换的强度
  （2）$\mathcal{C}(x,w_c)$C(x,wc​)，非线性变换，称作“携带门”，负责控制原输入信号的保留强度
  换句话说，$y$y 是 $\mathcal{F}(x,w_f)$F(x,wf​) 和 $x$x 的加权组合，$\mathcal{T}$T 和 $\mathcal{C}$C 分别控制着两项对应的权重
• 简化的高速公路网络： $y=\mathcal{F}(x,w_f)\cdot \mathcal{T}(x,w_t)+x\cdot (1-\mathcal{T}(x,w_t))$y=F(x,wf​)⋅T(x,wt​)+x⋅(1−T(x,wt​))，其中 $\mathcal{T}+\mathcal{C}=1$T+C=1

残差网络（ResNet）

• $y=\mathcal{F}(x,w)+x$y=F(x,w)+x
  高速公路网络的“变换门”和“携带门”都为恒等映射时（即令 $\mathcal{T}=1，\mathcal{C}=1$T=1，C=1 ），就得到了残差网络
• 多个残差模块的堆叠形成的网络，称为“残差网络”
• 相比高速公路网络：残差网络中的近路连接（shortcut），直接通过简单的恒等映射完成，不需要复杂的“变换门”和“携带门”，因此不需要引入额外的参数，减小了计算负担。
• 若无近路连接，ResNet 实际上就是更深层的 VGG 网络，只不过 ResNet 以 全局平均汇合层（global average pooling layer） 替代了 VGG 网络中的全连接层，这使得参数量大大减少，并且降低了过拟合风险（全局平均汇合层早在GoogLeNet中就被使用了）
• 常规残差模块（plain residual block）：由$2$2个$3×3$3×3卷积层堆叠而成（随着网络深度的加深，这种残差模块在实践中并不十分有效）
• 瓶颈残差模块（bottleneck residual block）：依次由$1×1、3×3、1×1$1×1、3×3、1×1，$3$3个卷积层构成
  注：这里$1×1$1×1卷积，能够对通道数channel起到 升维或者降维的作用，从而令$3×3$3×3的卷积，以相对较低维度的输入进行卷积运算，提高计算效率
• 下图瓶颈残差模块（输入和输出都是256维）的参数量 1x1x256x64 + 3x3x64x64 + 1x1x64x256 = 69632，而常规残差模块的话就是2个3x3x256的卷积，参数量 3x3x256x256x2 = 1179648，差了16.94倍