EfficientNet笔记

news2025/1/11 9:06:22

请添加图片描述

前言

论文

EfficientNet 是一系列卷积神经网络架构，它旨在在计算资源受限的情况下实现更好的性能。EfficientNet 的设计思想是在网络的深度、宽度和分辨率方面进行均衡的调整，以获得高效且高性能的模型。

以下是 EfficientNet 的主要特点和设计原则：

复合系数（Compound Scaling）：EfficientNet 使用了复合系数来平衡网络的深度、宽度和分辨率。它通过对网络的不同维度（例如深度、宽度、分辨率）应用统一的缩放因子来确保网络各个部分之间的平衡。这种方法使得网络可以在不同的任务和计算资源条件下进行调整。
宽度乘数（Width Multiplier）：EfficientNet 使用宽度乘数来控制每个层级的通道数，从而降低了网络的计算复杂度。较小的宽度乘数将减少参数量，使模型更轻量，而较大的宽度乘数则可以增加模型的性能。
深度乘数（Depth Multiplier）：深度乘数控制网络的深度。较小的深度乘数会减少层级数，使模型更浅，而较大的深度乘数则会增加网络深度，提高模型的表征能力。
分辨率乘数（Resolution Multiplier）：分辨率乘数用于控制输入图像的分辨率。较小的分辨率乘数会降低输入图像的分辨率，从而减少计算复杂度，而较大的分辨率乘数则会增加输入图像的分辨率，提高模型的视觉表征能力。
EfficientNet 版本：EfficientNet 提供了不同版本（如 B0、B1、B2、B3、B4、B5、B6、B7），这些版本具有不同的复杂度和性能，可以根据任务的要求选择合适的版本。

模型架构

EfficientNets显著优于其他ConvNets。特别是，EfficientNet-B7实现了最先进的84.3%的顶级精度，但比GPipe小8.4倍，快6.1倍。EfficientNet-B1比ResNet-152小7.6倍，快5.7倍。

网络对比（宽度-channel、深度-堆叠、分辨率-大小）

（a）是一个基线网络示例；（b） -（d）是仅增加网络宽度、深度或分辨率的一个维度的常规缩放。（e）是我们提出的以固定比率均匀缩放所有三维的复合缩放方法。

单独增加效果对比

放大具有不同网络宽度（w）、深度（d）和分辨率（r）系数的基线模型。宽度、深度或分辨率越大的网络往往会获得更高的精度，但精度增益在达到80%后迅速饱和，这表明了一维缩放的局限性。

单独提升这些指标，都能使得效果有所提升，但是会遇到瓶颈

（FLOPS：例如卷积计算量=HWKKM*N,HW为输出长宽,K是卷积核大小，M为输入特征图的通道数，N为卷积核个数）

综合提升效果

所以综合考虑：缩放不同基线网络的网络宽度。线中的每个点表示具有不同宽度系数（w）的模型。所有基线网络均来自下表。第一个基线网络（d=1.0，r=1.0）具有分辨率为224x224的18个卷积层，而最后一个基线（d=2.0，r=1.3）具有分辨率299x299的36个层

EfficientNet-B0 Network

EfficientNet-B0基线网络–每行描述一个阶段i，具有Li层（堆叠），输入分辨率为Hi，Wi（分辨率）和输出通道Ci（宽度）

网络结构细节

EfficientNet-B0 是 EfficientNet 系列中最小的一个版本，它的网络结构相对较简单，但仍然具有高效性能。以下是 EfficientNet-B0 的主要网络结构细节：

\1. 骨干网络（Backbone：
- EfficientNet-B0 使用了一个经过缩放的骨干网络，该骨干网络基于 MobileNetV2 的架构。MobileNetV2 是一种轻量级卷积神经网络，通常用于移动设备和嵌入式系统。它具有分离卷积、残差连接和批量归一化等特性。

\2. 深度和宽度参数：
- EfficientNet-B0 的深度参数为 1.0，宽度参数为 1.0。这些参数控制网络的深度和通道数，EfficientNet 系列中的不同版本通过调整这些参数来实现不同的网络大小和性能。

\3. 输入分辨率：
- EfficientNet-B0 的默认输入图像分辨率为 224x224 像素。这是一种相对较低的分辨率，适用于移动设备和资源受限的场景。

\4. 特征提取：
- 骨干网络通过一系列卷积层和池化层来提取图像特征。这些特征在后续的任务中用于分类、检测或其他视觉任务。

\5. 全局平均池化：
- EfficientNet-B0 在骨干网络之后通常使用全局平均池化层，将特征图的每个通道进行平均，生成一个固定大小的特征向量，作为最终的图像表示。

\6. 分类头部：
- 最后，EfficientNet-B0 使用一个全连接层或卷积层作为分类头部，将图像特征映射到输出类别的概率分布。

关于shortcut连接，仅当输入MBConv结构特征矩阵与输出的特征矩阵shape相同的时才存在

depthwise convolution

MBConv 模块

计算特征图的权重：首先对输入特征矩阵的feature map的每一个channel进行平均池化操作
，然后在分别通过两个全连接层，先降维再升维，省参数，最后sigmoid把权重分配到01之间，按维相乘

EfficientNet-B0~ EfficientNet-B7网络参数

def efficientnet_params(model_name):
    """ Map EfficientNet model name to parameter coefficients. """
    params_dict = {
        # Coefficients:   width,depth,res,dropout
        'efficientnet-b0': (1.0, 1.0, 224, 0.2),
        'efficientnet-b1': (1.0, 1.1, 240, 0.2),
        'efficientnet-b2': (1.1, 1.2, 260, 0.3),
        'efficientnet-b3': (1.2, 1.4, 300, 0.3),
        'efficientnet-b4': (1.4, 1.8, 380, 0.4),
        'efficientnet-b5': (1.6, 2.2, 456, 0.4),
        'efficientnet-b6': (1.8, 2.6, 528, 0.5),
        'efficientnet-b7': (2.0, 3.1, 600, 0.5),
        'efficientnet-b8': (2.2, 3.6, 672, 0.5),
        'efficientnet-l2': (4.3, 5.3, 800, 0.5),
    }
    return params_dict[model_name]