Dynamic ReLU:微软推出提点神器,可能是最好的ReLU改进 | ECCV 2020

论文提出了动态ReLU,能够根据输入动态地调整对应的分段激活函数,与ReLU及其变种对比,仅需额外的少量计算即可带来大幅的性能提升,能无缝嵌入到当前的主流模型中

来源:晓飞的算法工程笔记 公众号

论文: Dynamic ReLU

Introduction


  ReLU是深度学习中很重要的里程碑,简单但强大,能够极大地提升神经网络的性能。目前也有很多ReLU的改进版,比如Leaky ReLU和 PReLU,而这些改进版和原版的最终参数都是固定的。所以论文自然而然地想到,如果能够根据输入特征来调整ReLU的参数可能会更好。

  基于上面的想法,论文提出了动态ReLU(DY-ReLU)。如图2所示,DY-ReLU是一个分段函数f_{\theta{(x)}}(x),参数由超函数\theta{(x)}根据输入x得到。超函数\theta(x)综合输入的各维度上下文来自适应激活函数f_{\theta{(x)}}(x),能够在带来少量额外计算的情况下,显著地提高网络的表达能力。另外,论文提供了三种形态的DY-ReLU,在空间位置和维度上有不同的共享机制。不同形态的DY-ReLU适用于不同的任务,论文也通过实验验证,DY-ReLU在关键点识别和图像分类上均有不错的提升。

Definition and Implementation of Dynamic ReLU


Definition

  定义原版的ReLU为y=max\{x, 0\}x为输入向量,对于输入的c维特征x_c,激活值计算为y_c=max\{x_c, 0\}。ReLU可统一表示为分段线性函数y_c=max_k\{a^k_c x_c+b^k_c\},论文基于这个分段函数扩展出动态ReLU,基于所有的输入x=\{x_c\}自适应a^k_c,b^k_c

  因子(a^k_c, b^k_c)为超函数\theta(x)的输出:

K为函数数量,C为维度数,激活参数(a^k_c, b^k_c)不仅与x_c相关,也与x_{j\ne c}相关。

Implementation of hyper function \theta(x)

  论文采用类似与SE模块的轻量级网络进行超函数的实现,对于大小为C\times H\times W的输入x,首先使用全局平均池化进行压缩,然后使用两个全连接层(中间包含ReLU)进行处理,最后接一个归一化层将结果约束在-1和1之间,归一化层使用2\sigma(x) - 1\sigma为Sigmoid函数。子网共输出2KC个元素,分别对应a^{1:K}_{1:C}b^{1:K}_{1:C}的残差,最终的输出为初始值和残差之和:

\alpha^k\beta^ka^k_cb^k_c的初始值,\lambda_a\lambda_b是用来控制残差大小的标量。对于K=2的情况,默认参数为\alpha^1=1\alpha^2=\beta^1=\beta^2=0,即为原版ReLU,标量默认为\lambda_a=1.0\lambda_b=0.5

Relation to Prior Work

  DY-ReLU的可能性很大,表1展示了DY-ReLU与原版ReLU以及其变种的关系。在学习到特定的参数后,DY-ReLU可等价于ReLU、LeakyReLU以及PReLU。而当K=1,偏置b^1_c=0时,则等价于SE模块。另外DY-ReLU也可以是一个动态且高效的Maxout算子,相当于将Maxout的K个卷积转换为K个动态的线性变化,然后同样地输出最大值。

Variations of Dynamic ReLU


  论文提供了三种形态的DY-ReLU,在空间位置和维度上有不同的共享机制:

DY-ReLU-A

  空间位置和维度均共享(spatial and channel-shared),计算如图2a所示,仅需输出2K个参数,计算最简单,表达能力也最弱。

DY-ReLU-B

  仅空间位置共享(spatial-shared and channel-wise),计算如图2b所示,输出2KC个参数。

DY-ReLU-C

  空间位置和维度均不共享(spatial and channel-wise),每个维度的每个元素都有对应的激活函数max_k\{a^k_{c,h,w} x_{c, h, w} + b^k_{c,h,w} \}。虽然表达能力很强,但需要输出的参数(2KCHW)太多了,像前面那要直接用全连接层输出会带来过多的额外计算。为此论文进行了改进,计算如图2c所示,将空间位置分解到另一个attention分支,最后将维度参数[a^{1:K}_{1:C}, b^{1:K}_{1:C}]乘以空间位置attention[\pi_{1:HW}]。attention的计算简单地使用1\times 1卷积和归一化方法,归一化使用了带约束的softmax函数:

\gamma用于将attention平均,论文设为\frac{HW}{3}\tau为温度,训练前期设较大的值(10)用于防止attention过于稀疏。

Experimental Results

  图像分类对比实验。

  关键点识别对比实验。

  与ReLU在ImageNet上进行多方面对比。

  与其它激活函数进行实验对比。

  可视化DY-ReLU在不同block的输入输出以及斜率变化,可看出其动态性。

Conclustion


  论文提出了动态ReLU,能够根据输入动态地调整对应的分段激活函数,与ReLU及其变种对比,仅需额外的少量计算即可带来巨大的性能提升,能无缝嵌入到当前的主流模型中。前面有提到一篇APReLU,也是做动态ReLU,子网结构十分相似,但DY-ReLU由于max_{1\le k \le K}的存在,可能性和效果比APReLU更大。



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】

work-life balance.

$