基于对自适应网络的研究，论文提出了自适应网络RANet(Resolution Adaptive Network)来进行效果与性能上的取舍，该网络包含多个不同输入分辨率和深度的子网，难易样本的推理会自动使用不同的计算量，并且子网间的特征会进行融合，从实验结果来看，在性能和速度上取得了很不错的trade-off
 
来源：晓飞的算法工程笔记 公众号

论文: Resolution Adaptive Networks for Efficient Inference

• 论文地址：http://arxiv.org/abs/2003.07326
• 论文代码：http://github.com/yangle15/RANet-pytorch

Introduction

---

  深度CNN带来了性能提升的同时也带来了过高的计算量，许多研究放在了如何进行网络加速上面，其中比较直接的是根据样本难易程度进行自动调整的自适应网络。基于对自适应网络的研究，论文提出了自适应网络RANet(Resolution Adaptive Network)，思想如图1所示，网络包含多个不同输入分辨率和深度子网，样本先从最小的子网开始识别，若结果满足条件则退出，否则继续使用更大的子网进行识别，子网的特征不是独有的，下一级别的子网会融合上一级别的子网特征，从实验来看，论文在效果和性能上取得了很不错的trade-off。

Method

---

Adaptive Inference Setting

  构建包含K个分类器的自适应模型，对于输入图片 $x$x，第 $k$k个分类器的输出如公式1， $\theta_k$θk​为分类器对应的子网参数，部分参数是分类器间共享的， $p_c^k\in [0, 1]$pck​∈[0,1]为 $c$c类别置信度。

  自适应网络根据图片的复杂程度动态选择合适的计算分支，即若当前分类器的输出达到预期，则退出，论文采用softmax输出的置信度来进行判断，如公式2和公式3所示

Overall Architecture

  RANet的整体结构如图2所示，包含初始层(Initial Layer)和 $H$H个对应不同分辨率的子网，每个子网包含多个分类器。具体流程先使用初始层获得不同分辨率的特征图，然后使用最低分辨率的子网进行预测，如果子网没有获得可靠的结果，则使用下一个分辨率稍大的子网进行预测，重复直到获得可靠的结果或者到达最大分辨率子网。
  在重复迭代预测的过程中，高分辨率层会融合低分辨率层的特征。尽管RANet已经在初始层对图片进行了从细​粒度到粗粒度的处理，子网仍然会继续对其进行下采样，直到特征图大小为 $s=1$s=1 scale(表示初始层产生的最小分辨率)，分类器只加在最后几个特征图大小 $s=1$s=1 scale的block上。

Network Details

• Initial Layer

  初始层用于生成 $H$H个基础特征，特征有 $S$S个尺寸，图2的初始层包含3个不同尺寸的特征，第一个特征通过Regular-Conv层产生，后面的特征通过Strided-Conv层产生

• Sub-networks with Different Scales

  Sub-network 1处理分辨率最低的特征图 $x_0^{1,1}$x01,1​，使用图3(a)的 $l$l层regular Dense Blocks，每层的输出 $x_i^{1,1}$xi1,1​都将传递到Sub-network 2中
  输入大小为 $s$s scale的Sub-network $h$h( $h>1$h>1)处理基础特征 $x^{s,h}$xs,h，并且使用图3(b,c)的Fusion Blocks来融合自Sub-network ( $h-1$h−1)的特征，包含两种类型，一种为图3b的保持特征图大小的类型，另一种为图3c的降低特征图大小类型。对于低维特征的上采样视当前特征的大小使用Up-Conv(Regular-Conv+Bilinear interpolation)或Regular-Conv，对于前后特征也会进行连接，具体结构细节见图3。
  对于输入为 $s$s scale的Sub-network $h$h的建立如下：假设 $h$h子网包含 $b_h$bh​ blocks，block 1至 block $b_{h-1}(b_{h-1} < b_{h})$bh−1​(bh−1​<bh​)为Fusion Blocks，特征会下采样 $s$s次，保证输出的特征图为 $s=1$s=1 scale进行分类，剩余的block为regular Dense Blocks。

• Transition layer

  RANet也使用了DeseNet稠密的transition layer，具体为 $1\times 1$1×1卷积+BN+ReLU，为了简单没有在图2体现

• Classifiers and loss function

  分类器加在每个子网的后几个block中，在训练阶段，样本会按顺序传给所有的子网，最终的损失是每个分类器计算交叉熵损失加权累积，具体逻辑和权重跟MSDNet一样

Resolution and Depth Adaptation

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hm4oEdg9-1585622934488)(http://upload-images.jianshu.io/upload_images/20428708-f0db318f53dd94a9.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)]

  RANet的整体结构和MSDNet十分类似，论文与其进行了对比，MSDNet的分类器放到分辨率最低的路径中，如果中间的分类器没有得到符合预期的结果，则会进行下一步全部尺寸的推理预测。而RANet则是从低尺寸到高尺寸逐步使用不同的子网进行推理预测，这样的方式能更好地自适应结合深度和分辨率。

Experiments

---

Anytime Prediction

  限制单图的计算量FLOPs，直接记录自适应网络中所有分类器的性能以及其计算量进行对比

Budgeted Batch Classification

  限制一批图片的资源总量，需要根据资源总量设定阈值来控制推理的提前退出，记录自适应网络的性能以及对应的资源限制

Visualization and Discussion

  图7展示了RANet识别的一些样例，easy为前阶段的分类器能识别成的样本，hard为前阶段识别失败，但后阶段能识别成功的样本，主要的挑战为多目标、小目标和类间特征不明显的物体

Conclusion

---

  基于对自适应网络的研究，论文提出了自适应网络RANet(Resolution Adaptive Network)来进行效果与性能上的取舍，该网络包含多个不同输入分辨率和深度的子网，难易样本的推理会自动使用不同的计算量，并且子网间的特征会进行融合，从实验结果来看，在性能和速度上取得了很不错的trade-off

 

参考内容

• MSD: Multi-Self-Distillation Learning via Multi-classifiers within Deep Neural Networks - http://arxiv.org/abs/1911.09418

 
 
 

如果本文对你有帮助，麻烦点个赞或在看呗～
更多内容请关注 微信公众号【晓飞的算法工程笔记】