（Paper）Network in Network網路分析
《Network in Network》論文筆記
1.綜述
這篇文章有兩個很重要的觀點：
1×1卷積的使用
文中提出使用mlpconv網路層替代傳統的convolution層。mlp層實際上是卷積加傳統的mlp（多層感知器），因為convolution是線性的，而mlp是非線性的，後者能夠得到更高的抽象，泛化能力更強。在跨通道（cross channel,cross feature map）情況下，mlpconv等價於卷積層+1×1卷積層，所以此時mlpconv層也叫cccp層（cascaded cross channel parametric pooling)。CNN網路中不使用FC層（全連線層）
文中提出使用Global Average Pooling取代最後的全連線層，因為全連線層引數多且易過擬合。做法即移除全連線層，在最後一層（文中使用mlpconv）層，後面加一層Average Pooling層。
以上兩點，之所以重要，在於，其在較大程度上減少了引數個數，確能夠得到一個較好的結果。而引數規模的減少，不僅有利用網路層數的加深（由於引數過多，網路規模過大，GPU視訊記憶體等不夠用而限制網路層數的增加，從而限制模型的泛化能力），而且在訓練時間上也得到改進。
2.網路結構
傳統的convolution層
單通道mlpconv層
跨通道mlpconv層（cccp層）
由圖可知，mlpconv=convolution+mlp（圖中為2層的mlp）。
在caffe中實現上,mlpconv=convolution+1×1convolution+1×1convolution（2層的mlp）
3.Caffe中的實現
原文3層mlpconv的完整網路結構
Caffe中4層網路示意圖(ImageNet)
說明：
1.方框為網路層，橢圓為blob
2.黃色pool4為Average Pooling
caffe網路資料資料如下(crop size=224)
| Layer | channels | Filter size | Filter stride | Padding size | Input size |
|---|---|---|---|---|---|
| conv1 | 96 | 11 | 4 | - | 224×224 |
| cccp1 | 96 | 1 | 1 | - | 54×54 |
| cccp2 | 96 | 1 | 1 | - | 54×54 |
| pool1 | 96 | 3 | 2 | - | 54×54 |
| conv2 | 256 | 5 | 1 | 2 | 27×27 |
| cccp3 | 256 | 1 | 1 | - | 27×27 |
| cccp4 | 256 | 1 | 1 | - | 27×27 |
| pool2 | 256 | 3 | 2 | - | 27×27 |
| conv3 | 384 | 3 | 1 | 1 | 13×13 |
| cccp5 | 384 | 1 | 1 | - | 13×13 |
| cccp6 | 384 | 1 | 1 | - | 13×13 |
| pool3 | 384 | 3 | 2 | - | 13×13 |
| conv4-1024 | 1024 | 3 | 1 | 1 | 6×6 |
| cccp7-1024 | 1024 | 1 | 1 | - | 6×6 |
| cccp8-1000 | 1000 | 1 | 1 | - | 6×6 |
| pool4-ave | 1000 | 6 | 1 | - | 6×6 |
| accuracy | 1000 | - | - | - | 1×1 |
- 對於crop size = 227，則input size的變化為227, 55, 27, 13, 6, 1。
4. 1×1卷積的作用
問：發現很多網路使用了1X1卷積核，這能起到什麼作用呢？另外我一直覺得，1X1卷積核就是對輸入的一個比例縮放，因為1X1卷積核只有一個引數，這個核在輸入上滑動，就相當於給輸入資料乘以一個係數。不知道我理解的是否正確
答1：
對於單通道的feature map和單個卷積核之間的卷積來說，題主的理解是對的，CNN裡的卷積大都是多通道的feature map和多通道的卷積核之間的操作（輸入的多通道的feature map和一組卷積核做卷積求和得到一個輸出的feature map），如果使用1x1的卷積核，這個操作實現的就是多個feature map的線性組合，可以實現feature map在通道個數上的變化。接在普通的卷積層的後面，配合啟用函式，就可以實現network in network的結構了（本內容作者僅授權給CaffeCN社群（caffecn.cn）使用，如需轉載請附上內容來源說明。）
答2：
我來說說我的理解，我認為1×1的卷積大概有兩個方面的作用吧：
1. 實現跨通道的互動和資訊整合
2. 進行卷積核通道數的降維和升維
下面詳細解釋一下：
1. 這一點孫琳鈞童鞋講的很清楚。1×1的卷積層（可能）引起人們的重視是在NIN的結構中，論文中林敏師兄的想法是利用MLP代替傳統的線性卷積核，從而提高網路的表達能力。文中同時利用了跨通道pooling的角度解釋，認為文中提出的MLP其實等價於在傳統卷積核後面接cccp層，從而實現多個feature map的線性組合，實現跨通道的資訊整合。而cccp層是等價於1×1卷積的，因此細看NIN的caffe實現，就是在每個傳統卷積層後面接了兩個cccp層（其實就是接了兩個1×1的卷積層）。
2. 進行降維和升維引起人們重視的（可能）是在GoogLeNet裡。對於每一個Inception模組（如下圖），原始模組是左圖，右圖中是加入了1×1卷積進行降維的。雖然左圖的卷積核都比較小，但是當輸入和輸出的通道數很大時，乘起來也會使得卷積核引數變的很大，而右圖加入1×1卷積後可以降低輸入的通道數，卷積核引數、運算複雜度也就跟著降下來了。以GoogLeNet的3a模組為例，輸入的feature map是28×28×192，3a模組中1×1卷積通道為64，3×3卷積通道為128,5×5卷積通道為32，如果是左圖結構，那麼卷積核引數為1×1×192×64+3×3×192×128+5×5×192×32，而右圖對3×3和5×5卷積層前分別加入了通道數為96和16的1×1卷積層，這樣卷積核引數就變成了1×1×192×64+（1×1×192×96+3×3×96×128）+（1×1×192×16+5×5×16×32），引數大約減少到原來的三分之一。同時在並行pooling層後面加入1×1卷積層後也可以降低輸出的feature map數量，左圖pooling後feature map是不變的，再加捲積層得到的feature map，會使輸出的feature map擴大到416，如果每個模組都這樣，網路的輸出會越來越大。而右圖在pooling後面加了通道為32的1×1卷積，使得輸出的feature map數降到了256。GoogLeNet利用1×1的卷積降維後，得到了更為緊湊的網路結構，雖然總共有22層，但是引數數量卻只是8層的AlexNet的十二分之一（當然也有很大一部分原因是去掉了全連線層）。
最近大熱的MSRA的ResNet同樣也利用了1×1卷積，並且是在3×3卷積層的前後都使用了，不僅進行了降維，還進行了升維，使得卷積層的輸入和輸出的通道數都減小，引數數量進一步減少，如下圖的結構。（不然真不敢想象152層的網路要怎麼跑起來TAT）
