神经网络学习小记录39——MobileNetV3（small）模型的复现详解

╰+哭是因爲堅強的太久メ 2023-07-01 13:00 1阅读 0赞

### 神经网络学习小记录39——MobileNetV3（small）模型的复现详解 ###

*  学习前言
 *  什么是MobileNetV3
 *  代码下载
 *  large与small的区别
 *  MobileNetV3（small）的网络结构
 *   *  1、MobileNetV3（small）的整体结构
     *  2、MobileNetV3特有的bneck结构
 *  网络实现代码

# 学习前言 #

不知道咋地，就是突然想把small也一起写了。  
![在这里插入图片描述][20190723165901974.jpg_pic_center]

# 什么是MobileNetV3 #

最新的MobileNetV3的被写在了论文《Searching for MobileNetV3》中。

它是mobilnet的最新版，据说效果还是很好的。

作为一种轻量级网络，它的参数量还是一如既往的小。

它综合了以下四个特点：  
**1、MobileNetV1的深度可分离卷积（depthwise separable convolutions）。  
2、MobileNetV2的具有线性瓶颈的逆残差结构(the inverted residual with linear bottleneck)。  
3、轻量级的注意力模型。  
4、利用h-swish代替swish函数。**

# 代码下载 #

[https://github.com/bubbliiiing/classic-convolution-network][https_github.com_bubbliiiing_classic-convolution-network]

# large与small的区别 #

其实MobileNetV3中的large与small模型没有特别大的区别，**主要的区别是通道数的变化与bneck的次数。**

# MobileNetV3（small）的网络结构 #

## 1、MobileNetV3（small）的整体结构 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center]  
如上为MobileNetV3（small）的表，与MobileNetV3（large）相比，bneck的次数与通道数都有一定的下降。

如何看懂这个表呢？我们从每一列出发：  
**第一列Input代表mobilenetV3每个特征层的shape变化；  
第二列Operator代表每次特征层即将经历的block结构，我们可以看到在MobileNetV3中，特征提取经过了许多的bneck结构；  
第三、四列分别代表了bneck内逆残差结构上升后的通道数、输入到bneck时特征层的通道数。  
第五列SE代表了是否在这一层引入注意力机制。  
第六列NL代表了激活函数的种类，HS代表h-swish，RE代表RELU。  
第七列s代表了每一次block结构所用的步长。**

## 2、MobileNetV3特有的bneck结构 ##

bneck结构如下图所示：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70]  
它综合了以下四个特点：  
**a、MobileNetV2的具有线性瓶颈的逆残差结构(the inverted residual with linear bottleneck)。**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 1]  
即先利用1x1卷积进行升维度，再进行下面的操作，并具有残差边。

**b、MobileNetV1的深度可分离卷积（depthwise separable convolutions）。**  
![在这里插入图片描述][20200122114248827.png_pic_center]  
在输入1x1卷积进行升维度后，进行3x3深度可分离卷积。

**c、轻量级的注意力模型。**  
![在这里插入图片描述][20200122114436947.png_pic_center]  
这个注意力机制的作用方式是调整每个通道的权重。

**d、利用h-swish代替swish函数。**  
在结构中使用了h-swishj激活函数，代替swish函数，减少运算量，提高性能。  
![在这里插入图片描述][20200122114753656.png_pic_center]

# 网络实现代码 #

由于keras代码没有预训练权重，所以只是把网络结构po出来。

from keras.layers import Conv2D, DepthwiseConv2D, Dense, GlobalAveragePooling2D,Input
    from keras.layers import Activation, BatchNormalization, Add, Multiply, Reshape
    from keras.models import Model
    from keras import backend as K
    
    alpha = 1
    def relu6(x):
        # relu函数
        return K.relu(x, max_value=6.0)
    
    def hard_swish(x):
        # 利用relu函数乘上x模拟sigmoid
        return x * K.relu(x + 3.0, max_value=6.0) / 6.0
    
    def return_activation(x, nl):
        # 用于判断使用哪个激活函数
        if nl == 'HS':
            x = Activation(hard_swish)(x)
        if nl == 'RE':
            x = Activation(relu6)(x)
    
        return x
    
    def conv_block(inputs, filters, kernel, strides, nl):
        # 一个卷积单元，也就是conv2d + batchnormalization + activation
        channel_axis = 1 if K.image_data_format() == 'channels_first' else -1
    
        x = Conv2D(filters, kernel, padding='same', strides=strides)(inputs)
        x = BatchNormalization(axis=channel_axis)(x)
    
        return return_activation(x, nl)
    
    def squeeze(inputs):
        # 注意力机制单元
        input_channels = int(inputs.shape[-1])
    
        x = GlobalAveragePooling2D()(inputs)
        x = Dense(int(input_channels/4))(x)
        x = Activation(relu6)(x)
        x = Dense(input_channels)(x)
        x = Activation(hard_swish)(x)
        x = Reshape((1, 1, input_channels))(x)
        x = Multiply()([inputs, x])
    
        return x
    
    def bottleneck(inputs, filters, kernel, up_dim, stride, sq, nl):
        channel_axis = 1 if K.image_data_format() == 'channels_first' else -1
    
        input_shape = K.int_shape(inputs)
    
        tchannel = int(up_dim)
        cchannel = int(alpha * filters)
    
        r = stride == 1 and input_shape[3] == filters
        # 1x1卷积调整通道数，通道数上升
        x = conv_block(inputs, tchannel, (1, 1), (1, 1), nl)
        # 进行3x3深度可分离卷积
        x = DepthwiseConv2D(kernel, strides=(stride, stride), depth_multiplier=1, padding='same')(x)
        x = BatchNormalization(axis=channel_axis)(x)
        x = return_activation(x, nl)
        # 引入注意力机制
        if sq:
            x = squeeze(x)
        # 下降通道数
        x = Conv2D(cchannel, (1, 1), strides=(1, 1), padding='same')(x)
        x = BatchNormalization(axis=channel_axis)(x)
    
    
        if r:
            x = Add()([x, inputs])
    
        return x
    
    def MobileNetv3_small(shape = (224,224,3),n_class = 1000):
        inputs = Input(shape)
        # 224,224,3 -> 112,112,16
        x = conv_block(inputs, 16, (3, 3), strides=(2, 2), nl='HS')
    
        # 112,112,16 -> 56,56,16
        x = bottleneck(x, 16, (3, 3), up_dim=16, stride=2, sq=True, nl='RE')
    
        # 56,56,16 -> 28,28,24
        x = bottleneck(x, 24, (3, 3), up_dim=72, stride=2, sq=False, nl='RE')
        x = bottleneck(x, 24, (3, 3), up_dim=88, stride=1, sq=False, nl='RE')
        
        # 28,28,24 -> 14,14,40
        x = bottleneck(x, 40, (5, 5), up_dim=96, stride=2, sq=True, nl='HS')
        x = bottleneck(x, 40, (5, 5), up_dim=240, stride=1, sq=True, nl='HS')
        x = bottleneck(x, 40, (5, 5), up_dim=240, stride=1, sq=True, nl='HS')
        # 14,14,40 -> 14,14,48
        x = bottleneck(x, 48, (5, 5), up_dim=120, stride=1, sq=True, nl='HS')
        x = bottleneck(x, 48, (5, 5), up_dim=144, stride=1, sq=True, nl='HS')
    
        # 14,14,48 -> 7,7,96
        x = bottleneck(x, 96, (5, 5), up_dim=288, stride=2, sq=True, nl='HS')
        x = bottleneck(x, 96, (5, 5), up_dim=576, stride=1, sq=True, nl='HS')
        x = bottleneck(x, 96, (5, 5), up_dim=576, stride=1, sq=True, nl='HS')
    
        x = conv_block(x, 576, (1, 1), strides=(1, 1), nl='HS')
        x = GlobalAveragePooling2D()(x)
        x = Reshape((1, 1, 576))(x)
    
        x = Conv2D(1024, (1, 1), padding='same')(x)
        x = return_activation(x, 'HS')
    
        x = Conv2D(n_class, (1, 1), padding='same', activation='softmax')(x)
        x = Reshape((n_class,))(x)
    
        model = Model(inputs, x)
    
        return model
    if __name__ == "__main__":
        model = MobileNetv3_small()
        model.summary()

[20190723165901974.jpg_pic_center]: https://img-blog.csdnimg.cn/20190723165901974.jpg#pic_center
[https_github.com_bubbliiiing_classic-convolution-network]: https://github.com/bubbliiiing/classic-convolution-network
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center]: https://img-blog.csdnimg.cn/20200122140810351.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA==,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200122110008244.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 1]: https://img-blog.csdnimg.cn/20200122114104743.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA==,size_16,color_FFFFFF,t_70#pic_center
[20200122114248827.png_pic_center]: https://img-blog.csdnimg.cn/20200122114248827.png#pic_center
[20200122114436947.png_pic_center]: https://img-blog.csdnimg.cn/20200122114436947.png#pic_center
[20200122114753656.png_pic_center]: https://img-blog.csdnimg.cn/20200122114753656.png#pic_center