深度可分离网络-Xception
注释
- 本系列《论文翻译》仅代表个人观点
- 目的提高英文阅读能力
- 错误之处较多，欢迎读者修正，在此感谢
1. 摘要
我们提出了一种关于inception的解释，其介于正常卷积网络和深度可分离卷积之间（先进行分离卷积然后进行点卷积）。就此而论，深度可分离卷积可以被视为inception最大质量的跨越。这项工作受到Inception的启发，将会成为一个新网络架构的基准，同时Inception的卷积网络也将被替代。我们将此网络命名为Xception，在ImageNet数据集上略微强于Inception V3，当在大数据集上明显的超过Inception V3。当Xception和Inception V3具有相同的参数，表现能力不会提高，但是效率会提升。
翻译太烂，自己都没看懂
2. 介绍
今年来卷积神经网络作为计算机视觉的主要算法，同时开发设计他们的结构作为主要注意点。卷积神经网络的设计可以追溯到LeNet模型，进行简单的卷积堆叠提取特征和通过max-pooling对空间进行降采样。2012年，这种思想结构被提炼到AlexNet网络中，使用大量的max-pooling结构，对网络的每一层进行提取，获得大量的特征。由于ImageNet竞赛的驱动，随之而来的是网络越来越深的趋势。最著名的就是VGG网络等
此时出现一种Inception新的架构，在2014年被发明称之为GoogLeNet，之后陆续提升精确的升级到了V2、V3等版本。自从Inception架构的提出，其成为在ImageNet等数据集上最好的网络系列之一。
Inception系列是由Inception的基础模块构成，其中包括几个版本。如下图一所示为标准形式，同时也出现在Inception V3之中。这与早期的VGG网络有所不同，他是由渐渐的卷积网络堆叠而成。
然而Inception的结构和基本卷积类似（卷积特征提取结构），从经验上来看，此结构可以通过很少的参数获得大量的特征。他们如何工作，和传统卷积有何区别？
3. Inception假设
一个卷积层可以学习三维空间的滤波器权重，通过一个二维空间尺寸（长和宽）+一个通道空间。因此，一个单卷积核的任务可以同时映射跨通道的相关性和空间的相关性。
Inception模型的背后想法是使过程更简单、更高效的分解一系列独立的夸通道相关性和夸空间相关性操作。更精确的说，典型的Inception结构首先通过1×1的卷积研究夸通道的相关性，映射输入数据到3-4个相互独立的空间，和输入类似，之后通过规则的3×3或5×5卷积将所有相关性映射进3D空间之中。事实上，Inception模块的假设是跨通道的相关性和空间相关性相关分离，而不是倾向于将他们联合。
考虑一个简化版本的Inception模块，仅使用一种大小的卷积同时不包括pooling跳跃层。Inception模块可以被重新描述成一个大的1×1卷积+空间卷积，操作于输出通道没有重叠的段落。这个表达自然的出现以下几个问题：这个假设比之前的Inception的假设更合理吗？跨通道相关性和空间相关性可以完全分离吗？
4. 卷积和分离卷积之间的联系
Inception模块是一个极其伟大的创作，其基于一个很强的假设，第一次使用1×1卷积去映射不同的通道，同时分离映射空间联系在每一个输出通道上。具体详见图4所示。我们注意到这个很强的模块和深度可分离卷积基本一致，模块被使用再2014年的网络中，自从被包含在TF框架之中就更受欢迎了。
一个深度可分离卷积，在深度学习框架中通常被称为可分离卷积，其实有深度卷积组成，空间卷积相互独立的执行，随后是点卷积操作，通过深度卷积将输出映射到一个新的通道空间。这也是和空间卷积相区别，所以在图像处理领域通常称为深度可分离卷积。
Inception模块和深度可分离卷积模块有两个很小的区别：
- 操作顺序不同：深度可分离卷积通常是先进行空间卷积之后再进行1×1卷积，而Inception则相反。
- 是否纯在非线性连接。在Inception中，两个操作之后都要进行非线性的RELU操作，然而Xception通常没有非线性连接。
我们认为第一个区别不是非常重要，尤其是因为这些操作被应用于一些堆叠操作。第二个区别非常重要，我们再实验部分进行了研究（详细见图10）
我们注意到一些Inception的中间概述，位于标准Inception模块和深度可分离卷积之间。事实上，在正常卷积和可分离卷积之间存在一个可分离的范围，一些独立通道的分割进行参数化，用于执行空间卷积。正常卷积（1×1卷积）在一个极端的范围，用于联系单个段落的情况。可分离卷积作用于其他极端情况，每个通道的段落。Inception模块位于之间，分割几百个通道到3-4个段落。这些中间的属性似乎还未被探索。
在进行这个讨论之后，我们建议使用深度可分离卷积替代Inception模块，通过堆叠可分离卷积模块的性能将在原始网络之上。通过TF中的可分离卷积工具进行实现。在下文中，我们提出一个基于以上探索的卷积网络架构，和Inception V3参数数量相等，同时在两个大型图像分类任务上进行对比表现。
4. 先验工作
当前的工作很大程度上依赖先前的努力：
就是一些之前的网络架构，VGG、Inception-V1-V2-V3、ResNet等
5. Xception 架构
网络基础架构在图4所示，后面基本都是一些分析和前面说的一样。
作者所用网络如下图5所示，和Inception V3参数相同
6. 个人理解
本文其实就两个观点，第一个是为什么Inception有作用。第二个是我们更进一步放大第一个问题。以下根据个人理解说明这两个问题。
- 针对第一个问题为什么Inception有作用
| 说明 | 正常网络 | Inception |
|---|---|---|
| 输入 | 100×100×50 | 100×100×50 |
| 卷积 | 50×3×3×25 | （block1）+（block2）+（block3） |
| 参数 | nums | nums |
| 输出 | 100×100×25 | 100×100×25 |
正常卷积所使用的的卷积大小完全相同==>看到的特征大小（尺度）基本类似（相同）
Inception使用的卷积核不同==>看到的特征大小（尺度）基本有差异（不相同）
正常卷积全部通道都使用，不存在夸空间问题（卷积只是考虑空间联系，未跨空间）
Inception使用一张图三个/四个不同的卷积处理，最后进行叠加，已经进行了跨空间。
- 针对第二个问题优点继续放大
文中对两个优点进行讨论：
-
跨通道问题（文中已经说明这个优点对结果不明显，详细见原文1.2节）
-
在跨统计之后不接非线性RELU（文中说至关重要，详细见原文1.2节）
个人认为直接连接RELU破坏了跨空间之间的联系点，需要再进行卷积操作之后方可连接RELU。
第一个问题肯定是有作用的，只不过连接的太多可能作用不明显。
单词汇总
-
intermediate：中介 -
inspired by： 由。。。。启发（受到。。。鼓舞） -
outperform：超过 -
emerged：出现，暴露 -
sub-sampling：次采样（下采样==upSampling） -
what follow was：随之而来 -
At this point：此时 -
canonical：标准 -
This is a departure from：与。。。。不同 -
conceptually：概念（concept） -
come afte：紧随 -
This idea behind：背后的想法 -
decouple：解耦合（couple夫妇） -
reformulate：再叙述（formulate叙述） -
segment：分割、段落、分段 -
cornerstone：基石、基础 -
continuum：连接（continue） -
identical：统一 -
inclusion：包含（include） -
perform independently：独立执行 -
projecting：突出 -
minor：微小 -
implement：执行 -
whereas：然而 -
presence：存在（present） -
absence：缺陷、缺少（absent） -
investigate：调查、研究 -
spectrum：范围、光谱 -
in what follows：在下文 -
present：当前、提出