68 lines
6.2 KiB
Markdown
68 lines
6.2 KiB
Markdown
|
# 图像分类常见问题汇总 - 2020 第1季
|
|||
|
|
|
|||
|
|
|
|||
|
|
## 目录
|
|||
|
|
* [第1期](#第1期)(2020.11.03)
|
|||
|
|
|
|||
|
|
<a name="第一期"></a>
|
|||
|
|
## 第1期
|
|||
|
|
|
|||
|
|
### Q1.1: PaddleClas可以用来做什么?
|
|||
|
|
**A**：PaddleClas是飞桨为工业界和学术界所准备的一个图像分类任务的工具集，助力使用者训练出更好的视觉模型和应用落地。PaddleClas提供了基于图像分类的模型训练、评估、预测、部署全流程的服务，方便大家更加高效地学习图像分类。具体地，PaddleClas中包含如下一些特性 。
|
|||
|
|
|
|||
|
|
|
|||
|
|
* PaddleClas提供了24个系列的分类网络结构(ResNet, ResNet_vd, MobileNetV3, Res2Net, HRNet等)和训练配置，122个预训练模型和性能评估与预测，供大家选择并使用。
|
|||
|
|
* PaddleClas提供了TensorRT预测、python inference、c++ inference、Paddle-Lite预测部署等多种预测部署推理方案，在方便在多种环境中进行部署推理。
|
|||
|
|
* PaddleClas提供了一种简单的SSLD知识蒸馏方案，基于该方案蒸馏模型的识别准确率普遍提升3%以上。
|
|||
|
|
* PaddleClas支持AutoAugment、Cutout、Cutmix等8种数据增广算法详细介绍、代码复现和在统一实验环境下的效果评估。
|
|||
|
|
* PaddleClas支持在Windows/Linux/MacOS环境中基于CPU/GPU进行使用。
|
|||
|
|
|
|||
|
|
### Q1.2: ResNet系列模型是什么？有哪些模型？为什么在服务器端如此推荐ResNet系列模型？
|
|||
|
|
**A**: ResNet中创新性地引入了残差结构，通过堆叠多个残差结构从而构建了ResNet网络。实验表明使用残差块可以有效地提升收敛速度和精度，PaddleClas中，ResNet从小到达，依次有包含18、34、50、101、152、200层的ResNet结构，ResNet系列模型于2015年被提出，在不同的应用场景中，如分类、检测、分割等，都已经验证过其有效性，业界也早已对其进行了大量优化，该系列模型在速度和精度方面都有着非常明显的优势，对基于TensorRT以及FP16的预测支持得也很好，因而推荐大家使用ResNet系列模型；由于其模型所占存储相对较大，因此常用于服务器端。更多关于ResNet模型的介绍可以参考论文[Deep Residual Learning for Image Recognition](https://arxiv.org/abs/1512.03385)。
|
|||
|
|
|
|||
|
|
### Q1.3: ResNet_vd和ResNet、ResNet_vc结构有什么区别呢？
|
|||
|
|
**A**:
|
|||
|
|
|
|||
|
|
ResNet_va至vd的结构如下图所示，ResNet最早提出时为va结构，在降采样残差模块这个部分，在左边的特征变换通路中(Path A)，第一个1x1卷积部分就行了降采样，从而导致信息丢失（卷积的kernel size为1，stride为2，输入特征图中 有部分特征没有参与卷积的计算）；在vb结构中，把降采样的步骤从最开始的第一个1x1卷积调整到中间的3x3卷积中，从而避免了信息丢失的问题，PaddleClas中的ResNet模型默认就是ResNet_vb；vc结构则是将最开始这个7x7的卷积变成3个3x3的卷积，在感受野不变的情况下，计算量和存储大小几乎不变，而且实验证明精度相对于vb结构有所提升；vd结构是修改了降采样残差模块右边的特征通路(Path B)。把降采样的过程由平均池化这个操作去替代了，这一系列的改进(va->vd)，几乎没有带来新增的预测耗时，结合适当的训练策略，比如说标签平滑以及mixup数据增广，精度可以提升高达2.7%。
|
|||
|
|
|
|||
|
|
<div align="center">
|
|||
|
|
<img src="../../images/faq/ResNet_vabcd_structure.png" width="800">
|
|||
|
|
</div>
|
|||
|
|
|
|||
|
|
### Q1.4 如果确定使用ResNet系列模型，怎么根据实际的场景需求选用不同的模型呢？
|
|||
|
|
**A**:
|
|||
|
|
|
|||
|
|
ResNet系列模型中，相比于其他模型，ResNet_vd模型在预测速度几乎不变的情况下，精度有非常明显的提升，因此推荐大家使用ResNet_vd系列模型。
|
|||
|
|
下面给出了batch size=4的情况下，在T4 GPU上，不同模型的的预测耗时、flops、params与精度的变化曲线，可以根据自己自己的实际部署场景中的需求，去选择合适的模型，如果希望模型存储大小尽可能小或者预测速度尽可能快，则可以使用ResNet18_vd模型，如果希望获得尽可能高的精度，则建议使用ResNet152_vd或者ResNet200_vd模型。更多关于ResNet系列模型的介绍可以参考文档：[ResNet及其vd系列模型文档](../models/ResNet_and_vd.md)。
|
|||
|
|
|
|||
|
|
* 精度-预测速度变化曲线
|
|||
|
|
|
|||
|
|
<div align="center">
|
|||
|
|
<img src="../../images/models/T4_benchmark/t4.fp32.bs4.ResNet.png" width="800">
|
|||
|
|
</div>
|
|||
|
|
|
|||
|
|
* 精度-params变化曲线
|
|||
|
|
|
|||
|
|
<div align="center">
|
|||
|
|
<img src="../../images/models/T4_benchmark/t4.fp32.bs4.ResNet.params.png" width="800">
|
|||
|
|
</div>
|
|||
|
|
|
|||
|
|
* 精度-flops变化曲线
|
|||
|
|
|
|||
|
|
<div align="center">
|
|||
|
|
<img src="../../images/models/T4_benchmark/t4.fp32.bs4.ResNet.flops.png" width="800">
|
|||
|
|
</div>
|
|||
|
|
|
|||
|
|
### Q1.5 在网络中的block里conv-bn-relu是固定的形式吗？
|
|||
|
|
|
|||
|
|
**A**: 在batch-norm出现之前，主流的卷积神经网络的固定形式是conv-relu。在现阶段的卷积神经网络中，conv-bn-relu是大部分网络中block的固定形式，这样的设计是相对鲁棒的结构，此外，DenseNet中的block选用的是bn-relu-conv的形式，ResNet-V2中也使用的是这种组合方式。在MobileNetV2中，为了不丢失信息，部分block中间的层没有使用relu激活函数，选用的是conv-bn的形式。
|
|||
|
|
|
|||
|
|
### Q1.6 ResNet34与ResNet50的区别？
|
|||
|
|
|
|||
|
|
**A**: ResNet系列中有两种不同的block，分别是basic-block和bottleneck-block，堆叠较多这样的block组成了ResNet网络。basic-block是带有shortcut的两个3x3的卷积核的堆叠，bottleneck-block是带有shortcut的1x1卷积核、3x3卷积核、1x1卷积核的堆叠，所以basic-block中有两层，bottleneck-block有三层。ResNet34和ResNet50中堆叠的block数相同，但是堆叠的种类分别是basic-block和bottleneck-block。
|
|||
|
|
|
|||
|
|
### Q1.7 大卷积核一定可以带来正向收益吗？
|
|||
|
|
|
|||
|
|
**A**: 不一定，将网络中的所有卷积核都增大未必会带来性能的提升，甚至会有有损性能，在论文[MixConv: Mixed Depthwise Convolutional Kernels](https://arxiv.org/abs/1907.09595)
|
|||
|
|
中指出，在一定范围内提升卷积核大小对精度的提升有正向作用，但是超出后会有损精度。所以考虑到模型的大小、计算量等问题，一般不选用大的卷积核去设计网络。
|