DenseNet：比ResNet更优的CNN模型

古城微笑少年丶 2023-07-17 04:46 4阅读 0赞

原文链接：https://blog.csdn.net/xiaohu2022/article/details/85560788?depth\_1-utm\_source=distribute.pc\_relevant.none-task&utm\_source=distribute.pc\_relevant.none-task

**码字不易，欢迎给个赞！**

**欢迎交流与转载，文章会同步发布在公众号：机器学习算法全栈工程师(Jeemy110)**

--------------------

### 文章目录 ###

*   *  前言
     *  设计理念
     *  网络结构
     *  实验结果及讨论
     *  使用Pytorch实现DenseNet
     *  小结
     *  参考文献

## 前言 ##

在计算机视觉领域，卷积神经网络（CNN）已经成为最主流的方法，比如最近的GoogLenet，VGG-19，Incepetion等模型。CNN史上的一个里程碑事件是ResNet模型的出现，ResNet可以训练出更深的CNN模型，从而实现更高的准确度。ResNet模型的核心是通过建立前面层与后面层之间的“短路连接”（shortcuts，skip connection），这有助于训练过程中梯度的反向传播，从而能训练出更深的CNN网络。今天我们要介绍的是DenseNet模型，它的基本思路与ResNet一致，但是它建立的是前面所有层与后面层的密集连接（dense connection），它的名称也是由此而来。DenseNet的另一大特色是通过特征在channel上的连接来实现特征重用（feature reuse）。这些特点让DenseNet在参数和计算成本更少的情形下实现比ResNet更优的性能，DenseNet也因此斩获CVPR 2017的最佳论文奖。本篇文章首先介绍DenseNet的原理以及网路架构，然后讲解DenseNet在Pytorch上的实现。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW9odTIwMjI_size_16_color_FFFFFF_t_70]

## 设计理念 ##

相比ResNet，DenseNet提出了一个更激进的密集连接机制：即互相连接所有的层，具体来说就是每个层都会接受其前面所有层作为其额外的输入。图1为ResNet网络的连接机制，作为对比，图2为DenseNet的密集连接机制。可以看到，ResNet是每个层与前面的某层（一般是2~3层）短路连接在一起，连接方式是通过元素级相加。而在DenseNet中，每个层都会与前面所有层在channel维度上连接（concat）在一起（这里各个层的特征图大小是相同的，后面会有说明），并作为下一层的输入。对于一个 L L L LLL LLL层的网络，DenseNet共包含 L ( L + 1 ) 2 L ( L + 1 ) 2 2 L ( L + 1 )  L(L+1)2\\frac\{L(L+1)\}\{2\}2L(L+1) L(L\+1)22L(L\+1)2L(L\+1)个连接，相比ResNet，这是一种密集连接。而且DenseNet是直接concat来自不同层的特征图，这可以实现特征重用，提升效率，这一特点是DenseNet与ResNet最主要的区别。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW9odTIwMjI_size_16_color_FFFFFF_t_70 1]

图1 ResNet网络的短路连接机制（其中+代表的是元素级相加操作）

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW9odTIwMjI_size_16_color_FFFFFF_t_70 2]

图2 DenseNet网络的密集连接机制（其中c代表的是channel级连接操作）

如果用公式表示的话，传统的网络在 l l l lll lll层的输出为：  
 x l = H l ( x l − 1 ) x l = H l ( x l − 1 ) x l  = H l  ( x l − 1  ) xl=Hl(xl−1)x\_l = H\_l(x\_\{l-1\})xl=Hl(xl−1) xl=Hl(xl−1)xl=Hl(xl−1)xl=Hl(xl−1)而对于ResNet，增加了来自上一层输入的identity函数：  
 x l = H l ( x l − 1 ) + x l − 1 x l = H l ( x l − 1 ) + x l − 1 x l  = H l  ( x l − 1  ) + x l − 1  xl=Hl(xl−1)+xl−1x\_l = H\_l(x\_\{l-1\}) + x\_\{l-1\}xl=Hl(xl−1)+xl−1 xl=Hl(xl−1)\+xl−1xl=Hl(xl−1)\+xl−1xl=Hl(xl−1)\+xl−1在DenseNet中，会连接前面所有层作为输入：  
 x l = H l ( \[ x 0 , x 1 , . . . , x l − 1 \] ) x l = H l ( \[ x 0 , x 1 , . . . , x l − 1 \] ) x l  = H l  ( \[ x 0  , x 1  , . . . , x l − 1  \] ) xl=Hl(\[x0,x1,...,xl−1\])x\_l = H\_l(\[x\_0, x\_1, ..., x\_\{l-1\}\])xl=Hl(\[x0,x1,...,xl−1\]) xl=Hl(\[x0,x1,...,xl−1\])xl=Hl(\[x0,x1,...,xl−1\])xl=Hl(\[x0,x1,...,xl−1\])其中，上面的 H l ( ⋅ ) H l ( ⋅ ) H l  ( ⋅ ) Hl(⋅)H\_l(\\cdot)Hl(⋅) Hl(⋅)Hl(⋅)Hl(⋅)代表是非线性转化函数（non-liear transformation），它是一个组合操作，其可能包括一系列的BN(Batch Normalization)，ReLU，Pooling及Conv操作。注意这里 l l l lll lll层与 l − 1 l − 1 l − 1 l−1l-1l−1 l−1l−1l−1层之间可能实际上包含多个卷积层。

DenseNet的前向过程如图3所示，可以更直观地理解其密集连接方式，比如 h 3 h 3 h 3  h3h\_3h3 h3h3h3的输入不仅包括来自 h 2 h 2 h 2  h2h\_2h2 h2h2h2的 x 2 x 2 x 2  x2x\_2x2 x2x2x2，还包括前面两层的 x 1 x 1 x 1  x1x\_1x1 x1x1x1和 x 2 x 2 x 2  x2x\_2x2 x2x2x2，它们是在channel维度上连接在一起的。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW9odTIwMjI_size_16_color_FFFFFF_t_70 3]

图3 DenseNet的前向过程

CNN网络一般要经过Pooling或者stride>1的Conv来降低特征图的大小，而DenseNet的密集连接方式需要特征图大小保持一致。为了解决这个问题，DenseNet网络中使用DenseBlock+Transition的结构，其中DenseBlock是包含很多层的模块，每个层的特征图大小相同，层与层之间采用密集连接方式。而Transition模块是连接两个相邻的DenseBlock，并且通过Pooling使特征图大小降低。图4给出了DenseNet的网路结构，它共包含4个DenseBlock，各个DenseBlock之间通过Transition连接在一起。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW9odTIwMjI_size_16_color_FFFFFF_t_70 4]

图4 使用DenseBlock+Transition的DenseNet网络

## 网络结构 ##

如前所示，DenseNet的网络结构主要由DenseBlock和Transition组成，如图5所示。下面具体介绍网络的具体实现细节。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW9odTIwMjI_size_16_color_FFFFFF_t_70 5]

图6 DenseNet的网络结构

在DenseBlock中，各个层的特征图大小一致，可以在channel维度上连接。DenseBlock中的非线性组合函数 H ( ⋅ ) H ( ⋅ ) H ( ⋅ ) H(⋅)H(\\cdot)H(⋅) H(⋅)H(⋅)H(⋅)采用的是**BN+ReLU+3x3 Conv**的结构，如图6所示。另外值得注意的一点是，与ResNet不同，所有DenseBlock中各个层卷积之后均输出 k k k kkk kkk个特征图，即得到的特征图的channel数为 k k k kkk kkk，或者说采用 k k k kkk kkk个卷积核。 k k k kkk kkk在DenseNet称为growth rate，这是一个超参数。一般情况下使用较小的 k k k kkk kkk（比如12），就可以得到较佳的性能。假定输入层的特征图的channel数为 k 0 k 0 k 0  k0k\_0k0 k0k0k0，那么 l l l lll lll层输入的channel数为 k 0 + k ( l − 1 ) k 0 + k ( l − 1 ) k 0  + k ( l − 1 ) k0+k(l−1)k\_0+k(l-1)k0+k(l−1) k0\+k(l−1)k0\+k(l−1)k0\+k(l−1)，因此随着层数增加，尽管 k k k kkk kkk设定得较小，DenseBlock的输入会非常多，不过这是由于特征重用所造成的，每个层仅有 k k k kkk kkk个特征是自己独有的。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW9odTIwMjI_size_16_color_FFFFFF_t_70 6]

图6 DenseBlock中的非线性转换结构

由于后面层的输入会非常大，DenseBlock内部可以采用bottleneck层来减少计算量，主要是原有的结构中增加1x1 Conv，如图7所示，即**BN+ReLU+1x1 Conv+BN+ReLU+3x3 Conv**，称为DenseNet-B结构。其中1x1 Conv得到 4 k 4 k 4 k 4k4k4k 4k4k4k个特征图它起到的作用是降低特征数量，从而提升计算效率。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW9odTIwMjI_size_16_color_FFFFFF_t_70 7]

图7 使用bottleneck层的DenseBlock结构

对于Transition层，它主要是连接两个相邻的DenseBlock，并且降低特征图大小。Transition层包括一个1x1的卷积和2x2的AvgPooling，结构为**BN+ReLU+1x1 Conv+2x2 AvgPooling**。另外，Transition层可以起到压缩模型的作用。假定Transition的上接DenseBlock得到的特征图channels数为 m m m mmm mmm，Transition层可以产生 ⌊ θ m ⌋ ⌊ θ m ⌋ ⌊ θ m ⌋ ⌊θm⌋\\lfloor\\theta m\\rfloor⌊θm⌋ ⌊θm⌋⌊θm⌋⌊θm⌋个特征（通过卷积层），其中 θ ∈ ( 0 , 1 \] θ ∈ ( 0 , 1 \] θ ∈ ( 0 , 1 \] θ∈(0,1\]\\theta \\in (0,1\]θ∈(0,1\] θ∈(0,1\]θ∈(0,1\]θ∈(0,1\]是压缩系数（compression rate）。当 θ = 1 θ = 1 θ = 1 θ=1\\theta=1θ=1 θ=1θ=1θ=1时，特征个数经过Transition层没有变化，即无压缩，而当压缩系数小于1时，这种结构称为DenseNet-C，文中使用 θ = 0.5 θ = 0.5 θ = 0.5 θ=0.5\\theta=0.5θ=0.5 θ=0.5θ=0.5θ=0.5。对于使用bottleneck层的DenseBlock结构和压缩系数小于1的Transition组合结构称为DenseNet-BC。

DenseNet共在三个图像分类数据集（CIFAR，SVHN和ImageNet）上进行测试。对于前两个数据集，其输入图片大小为 32 × 3232 × 3232 × 32 32×3232\\times 3232×32 32×3232×3232×32，所使用的DenseNet在进入第一个DenseBlock之前，首先进行进行一次3x3卷积（stride=1），卷积核数为16（对于DenseNet-BC为 2 k 2 k 2 k 2k2k2k 2k2k2k）。DenseNet共包含三个DenseBlock，各个模块的特征图大小分别为 32 × 3232 × 3232 × 32 32×3232\\times 3232×32 32×3232×3232×32， 16 × 1616 × 1616 × 16 16×1616\\times 1616×16 16×1616×1616×16和 8 × 88 × 88 × 8 8×88\\times 88×8 8×88×88×8，每个DenseBlock里面的层数相同。最后的DenseBlock之后是一个global AvgPooling层，然后送入一个softmax分类器。注意，在DenseNet中，所有的3x3卷积均采用padding=1的方式以保证特征图大小维持不变。对于基本的DenseNet，使用如下三种网络配置： L = 40 , k = 12 \{ L = 40 , k = 12 \} L = 40 , k = 12 \{L=40,k=12\}\\\{L=40, k=12\\\}\{L=40,k=12\} L=40,k=12\{ L=40,k=12\}L=40,k=12,  L = 100 , k = 12 \{ L = 100 , k = 12 \} L = 100 , k = 12 \{L=100,k=12\}\\\{L=100, k=12\\\}\{L=100,k=12\} L=100,k=12\{ L=100,k=12\}L=100,k=12,  L = 40 , k = 24 \{ L = 40 , k = 24 \} L = 40 , k = 24 \{L=40,k=24\}\\\{L=40, k=24\\\}\{L=40,k=24\} L=40,k=24\{ L=40,k=24\}L=40,k=24。而对于DenseNet-BC结构，使用如下三种网络配置： L = 100 , k = 12 \{ L = 100 , k = 12 \} L = 100 , k = 12 \{L=100,k=12\}\\\{L=100, k=12\\\}\{L=100,k=12\} L=100,k=12\{ L=100,k=12\}L=100,k=12,  L = 250 , k = 24 \{ L = 250 , k = 24 \} L = 250 , k = 24 \{L=250,k=24\}\\\{L=250, k=24\\\}\{L=250,k=24\} L=250,k=24\{ L=250,k=24\}L=250,k=24,  L = 190 , k = 40 \{ L = 190 , k = 40 \} L = 190 , k = 40 \{L=190,k=40\}\\\{L=190, k=40\\\}\{L=190,k=40\} L=190,k=40\{ L=190,k=40\}L=190,k=40。这里的 L L L LLL LLL指的是网络总层数（网络深度），一般情况下，我们只把带有训练参数的层算入其中，而像Pooling这样的无参数层不纳入统计中，此外BN层尽管包含参数但是也不单独统计，而是可以计入它所附属的卷积层。对于普通的 L = 40 , k = 12 \{ L = 40 , k = 12 \} L = 40 , k = 12 \{L=40,k=12\}\\\{L=40, k=12\\\}\{L=40,k=12\} L=40,k=12\{ L=40,k=12\}L=40,k=12网络，除去第一个卷积层、2个Transition中卷积层以及最后的Linear层，共剩余36层，均分到三个DenseBlock可知每个DenseBlock包含12层。其它的网络配置同样可以算出各个DenseBlock所含层数。

对于ImageNet数据集，图片输入大小为 224 × 224224 × 224224 × 224 224×224224\\times 224224×224 224×224224×224224×224，网络结构采用包含4个DenseBlock的DenseNet-BC，其首先是一个stride=2的7x7卷积层（卷积核数为 2 k 2 k 2 k 2k2k2k 2k2k2k），然后是一个stride=2的3x3 MaxPooling层，后面才进入DenseBlock。ImageNet数据集所采用的网络配置如表1所示：

表1 ImageNet数据集上所采用的DenseNet结构

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW9odTIwMjI_size_16_color_FFFFFF_t_70 8]

## 实验结果及讨论 ##

这里给出DenseNet在CIFAR-100和ImageNet数据集上与ResNet的对比结果，如图8和9所示。从图8中可以看到，只有0.8M的DenseNet-100性能已经超越ResNet-1001，并且后者参数大小为10.2M。而从图9中可以看出，同等参数大小时，DenseNet也优于ResNet网络。其它实验结果见原论文。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW9odTIwMjI_size_16_color_FFFFFF_t_70 9]

图8 在CIFAR-100数据集上ResNet vs DenseNet

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW9odTIwMjI_size_16_color_FFFFFF_t_70 10]

图9 在ImageNet数据集上ResNet vs DenseNet

综合来看，DenseNet的优势主要体现在以下几个方面：

*  由于密集连接方式，DenseNet提升了梯度的反向传播，使得网络更容易训练。由于每层可以直达最后的误差信号，实现了隐式的[“deep supervision”][deep supervision]；
 *  参数更小且计算更高效，这有点违反直觉，由于DenseNet是通过concat特征来实现短路连接，实现了特征重用，并且采用较小的growth rate，每个层所独有的特征图是比较小的；
 *  由于特征复用，最后的分类器使用了低级特征。

要注意的一点是，如果实现方式不当的话，DenseNet可能耗费很多GPU显存，一种高效的实现如图10所示，更多细节可以见这篇论文[Memory-Efficient Implementation of DenseNets][]。不过我们下面使用Pytorch框架可以自动实现这种优化。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW9odTIwMjI_size_16_color_FFFFFF_t_70 11]

图10 DenseNet的更高效实现方式

##  ##

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW9odTIwMjI_size_16_color_FFFFFF_t_70]: /images/20230528/e790ca9991134f4e96e06f316eb6e187.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW9odTIwMjI_size_16_color_FFFFFF_t_70 1]: /images/20230528/72adfd936d334813a1355deda0cdf6e6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW9odTIwMjI_size_16_color_FFFFFF_t_70 2]: /images/20230528/3f3896dace2c4b97bc7e458c0d8f4d98.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW9odTIwMjI_size_16_color_FFFFFF_t_70 3]: /images/20230528/bccca1c526ed4f2eaacbb3c8014a63aa.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW9odTIwMjI_size_16_color_FFFFFF_t_70 4]: /images/20230528/7201c3f9c0a5483b88b14e82cccc064d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW9odTIwMjI_size_16_color_FFFFFF_t_70 5]: /images/20230528/cdde965ff4db4d139c0d5307f122f8da.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW9odTIwMjI_size_16_color_FFFFFF_t_70 6]: /images/20230528/3f486e2004b74a878ccbef694716c7a7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW9odTIwMjI_size_16_color_FFFFFF_t_70 7]: /images/20230528/53073ed1a99f49758f876e8e356bb587.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW9odTIwMjI_size_16_color_FFFFFF_t_70 8]: /images/20230528/c811937c4b864080b7ed3c38bb0cda0d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW9odTIwMjI_size_16_color_FFFFFF_t_70 9]: /images/20230528/d0306d8e4b9845d1b2d615c11348c9cc.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW9odTIwMjI_size_16_color_FFFFFF_t_70 10]: /images/20230528/1bb65dc935f9418792cae2648e121971.png
[deep supervision]: https://arxiv.org/abs/1409.5185
[Memory-Efficient Implementation of DenseNets]: https://arxiv.org/abs/1707.06990
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW9odTIwMjI_size_16_color_FFFFFF_t_70 11]: /images/20230528/178b8816e25c429399f5ac6a37d2824c.png