《用于低分辨率图像和小物体的新 CNN 模块》
《No More Strided Convolutions or Pooling: A New CNN Building Block for Low-Resolution Images and Small Objects》
2022年8月7日发表在ECML PKDD 2022论文集上的最新paper
作者：来自于 Missouri 大学的 Raja Sunkara and Tie Luo
论文地址：https://arxiv.org/abs/2208.03641v1
项目地址：https://github.com/labsaint/spd-conv
文章目录
1 摘要精读
卷积神经网络(
CNN
)在图像分类、目标检测等计算机视觉任务中取得了巨大的成功。然而，在图像分辨率较低或对象较小的更困难的任务中，它们的性能会迅速下降。
这源于现有
CNN
体系结构中一个有缺陷但却很常见的设计，即使用
strided convolution
和/或
池化层
，这导致了细粒度信息的丢失和较低效率的特征表示的学习。为此，我们提出了一种新的
CNN
模块，称为
SPD-Conv
，以取代每个
strided convolution
和每个
池化层
(从而完全消除了它们)。
SPD-Conv
由
space-to-depth
(SPD)层和
non-strided convolution
(Conv)层组成，可以应用于大多数
CNN
架构。
我们在两个最具代表性的计算机视觉任务下解释了这种新的设计：目标检测和图像分类。然后，我们通过将
SPD-Conv
应用于
YOLOv5
和
ResNet
来创建新的
CNN
架构，实验表明我们的方法显著优于最先进的深度学习模型，特别是在处理低分辨率图像和小对象的更困难的任务时。
2 SPD-Conv原理
2.1 Space-to-depth(SPD)
SPD-Conv
由一个
SPD
层和一个
non-strided convolution
层组成，
SPD
组件将（原始）图像转换技术推广到对
CNN
内部和整个
CNN
中的特征图进行下采样，如下所示
考虑任何大小为
S
×
S
×
C
1
S × S × C1
S×S×C1的中间特征图
X
X
X，切出一系列子特征图为
一般来说，给定任何（原始）特征图
X
X
X，子图
f
x
,
y
f_{x,y}
fx,y由
i
+
x
i+x
i+x 和
i
+
y
i+y
i+y 可按比例整除的所有条目
X
(
i
+
y
)
X(i+y)
X(i+y) 形成。因此，每个子图按比例因子对
X
X
X进行下采样。下图给出了
s
c
a
l
e
=
2
scale=2
scale=2时的例子，得到4个子图
f
0
,
0
f_{0,0}
f0,0 ,
f
1
,
0
f_{1,0}
f1,0 ,
f
0
,
1
f_{0,1}
f0,1 ,
f
1
,
1
f_{1,1}
f1,1 每个都具有形状
(
S
/
2
,
S
/
2
,
C
1
)
(S/2,S/2,C_1)
(S/2,S/2,C1)并将
X
X
X下采样
2
2
2 倍。
scale = 2 时的 SPD-Conv 示意图
接下来，沿着通道维度连接这些子特征图，从而获得一个特征图
X
′
X'
X′，它的空间维度减少了一个比例因子，通道维度增加了一个比例因子
2
2
2。换句话说，
SPD
将特征图
X
(
S
,
S
,
C
1
)
X(S,S,C_1)
X(S,S,C1) 转换为中间特征图
X
′
(
S
/
s
a
c
l
e
,
S
/
s
a
c
l
e
,
s
c
a
l
e
2
C
1
)
X'(S/sacle,S/sacle,scale^2C_1)
X′(S/sacle,S/sacle,scale2C1)
2.2 Non-strided Convolution
在
SPD
特征变换层之后，添加了一个带有
C
2
C_2
C2滤波器的非跨步（即 stride=1）卷积层，其中
C
2
<
s
c
a
l
e
2
C
1
C_2<scale^2C_1
C2<scale2C1 ，并进一步变换
X
′
(
S
/
s
a
c
l
e
,
S
/
s
a
c
l
e
,
s
c
a
l
e
2
C
1
→
X
′
′
(
S
/
s
a
c
l
e
,
S
/
s
a
c
l
e
,
C
2
)
X'(S/sacle,S/sacle,scale^2C_1→X''(S/sacle,S/sacle,C_2)
X′(S/sacle,S/sacle,scale2C1→X′′(S/sacle,S/sacle,C2) 。
使用非跨步卷积的原因是尽可能地保留所有的判别特征信息。否则，例如，使用
s
t
r
i
d
e
=
3
stride=3
stride=3 的
3
×
3
3×3
3×3 卷积，特征图将“缩小”，但每个像素只采样一次；如果
s
t
r
i
d
e
=
2
stride=2
stride=2，将发生不对称采样，其中偶数和奇数行/列的采样时间不同。一般来说，步长大于
1
1
1 会导致信息的非歧视性丢失，尽管在表面上，它似乎转换了特征图
X
(
S
,
S
,
C
1
)
→
X
′
′
(
S
/
s
a
c
l
e
,
S
/
s
a
c
l
e
,
C
2
)
X(S,S,C_1)→X''(S/sacle,S/sacle,C_2)
X(S,S,C1)→X′′(S/sacle,S/sacle,C2)（但没有
X
′
X'
X′）
3 如何使用SPD-Conv
为了解释如何将提出的方法应用到重新设计
CNN
架构中，使用了2个最具代表性的计算机视觉模型类别：目标检测和图像分类
3.1 检测：Yolov5改进方式
并且作者将这个模块应用到了YOLOv5中，取得了很好的效果
Fig 4 红框是发生替换的地方
YOLOv5-SPD
:将第 3 节中描述的方法应用于
YOLOv5
并获得
YOLOv5-SPD
，只需用
SPD-Conv
替换
YOLOv5
s
t
r
i
d
e
−
2
stride-2
stride−2 卷积即可。这种替换有
7
7
7 个实例，因为
YOLOv5
在主干中使用
5
5
5个
s
t
r
i
d
e
−
2
stride-2
stride−2 卷积层将特征图下采样
25
25
25 倍，并在颈部使用
2
2
2个
s
t
r
i
d
e
−
2
stride-2
stride−2 卷积层。
YOLOv5
颈部的每个跨步卷积之后都有一个连接层；这不会改变本文的方法，只是将它保持在
SPD
和
Conv
之间。
与YOLOv5一样，作者也提供了多个版本适配YOLO
可扩展性：
YOLOv5-SPD
可以通过与
YOLOv5
相同的方式轻松扩展和缩减来适应不同的应用程序或硬件需求
具体来说，可以简单地调整（1）每个非跨步卷积层中的过滤器数量和/或（2）C3模块的重复次数（如图4所示），以获得不同版本的
YOLOv5-SPD
第1个称为宽度缩放：它将原始宽度
n
w
nw
nw（通道数）更改为
n
w
×
w
i
d
t
h
f
a
c
t
o
r
e
nw × width_f actore
nw×widthfactore（四舍五入到最接近的 8 倍数）
第2个称为深度缩放：它将原始深度
n
d
nd
nd（重复 C3 模块的次数；例如，图 4 中的
9
×
C
3
9 × C3
9×C3 中的 9）更改为
n
d
×
d
e
p
t
h
f
a
c
t
o
r
nd × depth_factor
nd×depthfactor
这样，通过选择不同的宽度/深度因子，我们得到了
YOLOv5-SP
D的
nano
、
small
、
medium
和
large
版本，如表2所示，其中因子值选择与
YOLOv5
相同，以便在后面的实验中进行比较 .
3.2 分类：ResNet改进方式
分类
CNN
通常从一个由
s
t
r
i
d
e
−
2
stride-2
stride−2 卷积和池化层组成的stem单元开始，以将图像分辨率降低
4
4
4倍。一个流行的模型是
ResNet
，它赢得了 ILSVRC 2015 挑战。
ResNet
引入了残差连接，以允许训练高达
152
152
152 层的网络。它还通过仅使用单个全连接层显着减少了参数的总数。最后使用
softmax
层对类预测进行归一化。
ResNet18-SPD 和 ResNet50-SPD 架构
ResNet-18
和
ResNet-50
都使用总共
4
4
4个
s
t
r
i
d
e
−
2
stride-2
stride−2卷积和一个
s
t
r
i
d
e
2
stride 2
stride2的最大池化层，将每个输入图像下采样
25
25
25倍。应用我们提出的构建块，用
SPD-Conv
替换了四个跨步卷积；但另一方面，我们只是删除了最大池化层，因为我们的主要目标是低分辨率图像，我们实验中使用的数据集的图像相当小（Tiny ImageNet 中为
64
×
64
64 × 64
64×64，CIFAR-10中为
32
×
32
32 × 32
32×32）因此不需要池化, 对于更大的图像，这样的最大池化层仍然可以用
SPD-Conv
以相同的方式替换
4 论文实验结果
4.1 目标检测
MS-COCO 验证数据集的比较（val2017）
MS-COCO测试数据集的比较(test-dev2017)
val2017的目标检测实例。蓝色方框表示 ground truth情况。红色箭头突出了不同之处
4.2 图像分类
图像分类性能比较
绿色标签： ground truth。蓝色标签：ResNet18-SPD 预测。红色标签：ResNet-18 预测
5 YOLOv5官方项目改进教程
YOLO Magic项目同步更新
第一步：
common.py中添加如下代码
classspace_to_depth(nn.Module):# Changing the dimension of the Tensordef__init__(self, dimension=1):super().__init__()
self.d = dimension
defforward(self, x):return torch.cat([x[...,::2,::2], x[...,1::2,::2], x[...,::2,1::2], x[...,1::2,1::2]],1)
第二步；yolo.py中添加如下代码
elif m is space_to_depth:
c2 =4* ch[f]
第三步；修改配置文件（以为yolov5s为例）
其它版本依然可以通过调整宽度和深度控制
# Parameters
nc:80# number of classes
depth_multiple:0.33# model depth multiple
width_multiple:0.50# layer channel multiple
anchors:-[10,13,16,30,33,23]# P3/8-[30,61,62,45,59,119]# P4/16-[116,90,156,198,373,326]# P5/32# YOLOv5 v6.0 backbone
backbone:# [from, number, module, args][[-1,1, Focus,[64,3]],# 0-P1/2[-1,1, Conv,[128,3,1]],# 1[-1,1,space_to_depth,[1]],# 2 -P2/4[-1,3, C3,[128]],# 3[-1,1, Conv,[256,3,1]],# 4[-1,1,space_to_depth,[1]],# 5 -P3/8[-1,6, C3,[256]],# 6[-1,1, Conv,[512,3,1]],# 7-P4/16[-1,1,space_to_depth,[1]],# 8 -P4/16[-1,9, C3,[512]],# 9[-1,1, Conv,[1024,3,1]],# 10-P5/32[-1,1,space_to_depth,[1]],# 11 -P5/32[-1,3, C3,[1024]],# 12[-1,1, SPPF,[1024,5]],# 13]# YOLOv5 v6.0 head
head:[[-1,1, Conv,[512,1,1]],# 14[-1,1, nn.Upsample,[None,2,'nearest']],# 15[[-1,9],1, Concat,[1]],# 16 cat backbone P4[-1,3, C3,[512,False]],# 17[-1,1, Conv,[256,1,1]],# 18[-1,1, nn.Upsample,[None,2,'nearest']],# 19[[-1,6],1, Concat,[1]],# 20 cat backbone P3[-1,3, C3,[256,False]],# 21 (P3/8-small)[-1,1, Conv,[256,3,1]],# 22[-1,1,space_to_depth,[1]],# 23 -P2/4[[-1,18],1, Concat,[1]],# 24 cat head P4[-1,3, C3,[512,False]],# 25 (P4/16-medium)[-1,1, Conv,[512,3,1]],# 26[-1,1,space_to_depth,[1]],# 27 -P2/4[[-1,14],1, Concat,[1]],# 28 cat head P5[-1,3, C3,[1024,False]],# 29 (P5/32-large)[[21,25,29],1, Detect,[nc, anchors]],# Detect(P3, P4, P5)]
模型参数量parameters计算量GFLOPsyolov5s723538916.5yolov5s_SPD877138933.9yolov5n_SPD22561578.9yolov5m_SPD2464655788.0yolov5l_SPD52707709178.6
内容导航
本人更多改进YOLOv5内容导航
1.手把手带你调参Yolo v5 (v6.1)（一）🌟强烈推荐
2.手把手带你调参Yolo v5 (v6.1)（二）🚀
3.如何快速使用自己的数据集训练Yolov5模型
4.手把手带你Yolov5 (v6.1)添加注意力机制(一)（并附上30多种顶会Attention原理图）🌟
5.手把手带你Yolov5 (v6.1)添加注意力机制(二)（在C3模块中加入注意力机制）
6.Yolov5如何更换激活函数？
7.Yolov5 (v6.1)数据增强方式解析
8.Yolov5更换上采样方式( 最近邻 / 双线性 / 双立方 / 三线性 / 转置卷积)
9.Yolov5如何更换EIOU / alpha IOU / SIoU？
10.Yolov5更换主干网络之《旷视轻量化卷积神经网络ShuffleNetv2》🍀
11.YOLOv5应用轻量级通用上采样算子CARAFE🍀
12.空间金字塔池化改进 SPP / SPPF / ASPP / RFB / SPPCSPC🍀
13.持续更新中
觉得有帮助请点赞支持一下👍，如多觉得有问题欢迎指正😁
版权归原作者 迪菲赫尔曼 所有， 如有侵权，请联系我们删除。