github地址：https://github.com/zhanghang1989/ResNeSt
论文地址：https://hangzhang.org/files/resnest.pdf
2020.06.23
张航视频讲解ResNeSt：https://www.bilibili.com/video/BV1PV411k7ch
2020.05.26
ResNeSt为什么没有被ECCV2020接收？https://zhuanlan.zhihu.com/p/143214871
ResNeSt 登顶COCO数据集（目标检测，实例分割，全景分割）https://zhuanlan.zhihu.com/p/140236141
2020.04.24
ResNeSt的一些讨论：
-----------------------------------------------------------------------------------------------------------------
核心就是：Split-attention blocks
先看一组图：
ResNeSt在图像分类上中ImageNet数据集上超越了其前辈ResNet、ResNeXt、SENet以及EfficientNet。使用ResNeSt-50为基本骨架的Faster-RCNN比使用ResNet-50的mAP要高出3.08%。使用ResNeSt-50为基本骨架的DeeplabV3比使用ResNet-50的mIOU要高出3.02%。涨点效果非常明显。
1、提出的动机
他们认为像ResNet等一些基础卷积神经网络是针对于图像分类而设计的。由于有限的感受野大小以及缺乏跨通道之间的相互作用，这些网络可能不适合于其它的一些领域像目标检测、图像分割等。这意味着要提高给定计算机视觉任务的性能，需要“网络手术”来修改ResNet，以使其对特定任务更加有效。 例如，某些方法添加了金字塔模块[8，69]或引入了远程连接[56]或使用跨通道特征图注意力[15，65]。 虽然这些方法确实可以提高某些任务的学习性能，但由此而提出了一个问题：我们是否可以创建具有通用改进功能表示的通用骨干网，从而同时提高跨多个任务的性能？跨通道信息在下游应用中已被成功使用 [56，64，65]，而最近的图像分类网络更多地关注组或深度卷积[27，28，54，60]。 尽管它们在分类任务中具有出色的计算能力和准确性，但是这些模型无法很好地转移到其他任务，因为它们的孤立表示无法捕获跨通道之间的关系[27、28]。因此，具有跨通道表示的网络是值得做的。
2、本文的贡献点
第一个贡献点：提出了split-attention blocks构造的ResNeSt，与现有的ResNet变体相比，不需要增加额外的计算量。而且ResNeSt可以作为其它任务的骨架。
第二个贡献点：图像分类和迁移学习应用的大规模基准。 利用ResNeSt主干的模型能够在几个任务上达到最先进的性能，即：图像分类，对象检测，实例分割和语义分割。 与通过神经架构搜索生成的最新CNN模型[55]相比，所提出的ResNeSt性能优于所有现有ResNet变体，并且具有相同的计算效率，甚至可以实现更好的速度精度折衷。单个Cascade-RCNN [3]使用ResNeSt-101主干的模型在MS-COCO实例分割上实现了48.3％的box mAP和41.56％的mask mAP。 单个DeepLabV3 [7]模型同样使用ResNeSt-101主干，在ADE20K场景分析验证集上的mIoU达到46.9％，比以前的最佳结果高出1％mIoU以上。
3、相关工作就不介绍了
4、Split-Attention网络
直接看ResNeSt block：
首先是借鉴了ResNeXt网络的思想，将输入分为K个，每一个记为Cardinal1-k ，然后又将每个Cardinal拆分成R个，每一个记为Split1-r，所以总共有G=KR个组。
然后是对于每一个Cardinal中具体是什么样的：
这里借鉴了squeeze-and-excitation network(SENet) 中的思想，也就是基于通道的注意力机制，对通道赋予不同的权重以建模通道的重要程度。SE block的基础块如下所示：
当然，还借鉴了SKNet，SKNet的核心就是选择核模块：
可参考：https://blog.csdn.net/qixutuo6087/article/details/88822428
回到原文，对于每一个Cardinal输入是：
通道权重统计量可以通过全局平均池化获得：
用Vk表示携带了通道权重后的Cardinal输出：
那么最终每个Cardinal的输出就是：
而其中的
是经过了softmax之后计算所得的权重：
如果R=1的话就是对该Cardinal中的所有通道视为一个整体。
接着将每一个Cardinal的输出拼接起来：
假设每个ResNeSt block的输出是Y，那么就有：
其中T表示的是跳跃连接映射。这样的形式就和ResNet中的残差块输出计算就一致了。
5、残差网络存在的问题
（1）残差网络使用带步长的卷积，比如3×3卷积来减少图像的空间维度，这样会损失掉很多空间信息。对于像目标检测和分割领域，空间信息是至关重要的。而且卷积层一般使用0来填充图像边界，这在迁移到密集预测的其它问题时也不是最佳选择。因此本文使用的是核大小为3×3的平均池化来减少空间维度。
（2）
- 将残差网络中的7×7卷积用3个3×3的卷积代替，拥有同样的感受野。
- 将跳跃连接中的步长为2的1×1卷积前加一个2×2的平均池化。
6、训练策略
这里就简单地列下，相关细节可以去看论文。
（1）大的min batch，使用cosine学习率衰减策略。warm up。BN层参数设置。
（2）标签平滑
（3）自动增强
（4）mixup训练
（5）大的切割设置
（6）正则化
6、相关结果
附录中还有一些结果，就不再贴了。
最后是split attention block的实现代码，可以结合看一看：
import torch from torch import nn import torch.nn.functional as F from torch.nn import Conv2d, Module, Linear, BatchNorm2d, ReLU from torch.nn.modules.utils import _pair __all__ = ['SKConv2d'] class DropBlock2D(object): def __init__(self, *args, **kwargs): raise NotImplementedError class SplAtConv2d(Module): """Split-Attention Conv2d """ def __init__(self, in_channels, channels, kernel_size, stride=(1, 1), padding=(0, 0), dilation=(1, 1), groups=1, bias=True, radix=2, reduction_factor=4, rectify=False, rectify_avg=False, norm_layer=None, dropblock_prob=0.0, **kwargs): super(SplAtConv2d, self).__init__() padding = _pair(padding) self.rectify = rectify and (padding[0] > 0 or padding[1] > 0) self.rectify_avg = rectify_avg inter_channels = max(in_channels*radix//reduction_factor, 32) self.radix = radix self.cardinality = groups self.channels = channels self.dropblock_prob = dropblock_prob if self.rectify: from rfconv import RFConv2d self.conv = RFConv2d(in_channels, channels*radix, kernel_size, stride, padding, dilation, groups=groups*radix, bias=bias, average_mode=rectify_avg, **kwargs) else: self.conv = Conv2d(in_channels, channels*radix, kernel_size, stride, padding, dilation, groups=groups*radix, bias=bias, **kwargs) self.use_bn = norm_layer is not None self.bn0 = norm_layer(channels*radix) self.relu = ReLU(inplace=True) self.fc1 = Conv2d(channels, inter_channels, 1, groups=self.cardinality) self.bn1 = norm_layer(inter_channels) self.fc2 = Conv2d(inter_channels, channels*radix, 1, groups=self.cardinality) if dropblock_prob > 0.0: self.dropblock = DropBlock2D(dropblock_prob, 3) def forward(self, x): x = self.conv(x) if self.use_bn: x = self.bn0(x) if self.dropblock_prob > 0.0: x = self.dropblock(x) x = self.relu(x) batch, channel = x.shape[:2] if self.radix > 1: splited = torch.split(x, channel//self.radix, dim=1) gap = sum(splited) else: gap = x gap = F.adaptive_avg_pool2d(gap, 1) gap = self.fc1(gap) if self.use_bn: gap = self.bn1(gap) gap = self.relu(gap) atten = self.fc2(gap).view((batch, self.radix, self.channels)) if self.radix > 1: atten = F.softmax(atten, dim=1).view(batch, -1, 1, 1) else: atten = F.sigmoid(atten, dim=1).view(batch, -1, 1, 1) if self.radix > 1: atten = torch.split(atten, channel//self.radix, dim=1) out = sum([att*split for (att, split) in zip(atten, splited)]) else: out = atten * x return out.contiguous()
如有错误，欢迎指出。