视觉经典网络学习02_池化层感受野

一、池化层

池化API使用

多通道池化计算

池化层的作用

二、感受野

感受野的作用

三、其他卷积知识扩展

1、二维卷积

单通道

多通道

2、三维卷积

3、反卷积

4、空洞卷积(膨胀卷积)

5、可分离卷积

空间可分离卷积

深度可分离卷积

6、分组卷积

一、池化层

池化层 (Pooling) 降低维度, 缩减模型大小，提高计算速度. 即: 主要对卷积层学习到的特征图进行下采样（SubSampling）处理。

池化层主要有两种:

最大池化 max pooling

最大池化是从每个局部区域中选择最大值作为池化后的值，这样可以保留局部区域中最显著的特征。最大池化在提取图像中的纹理、形状等方面具有很好的效果。
平均池化 avgPooling

平均池化是将局部区域中的值取平均作为池化后的值，这样可以得到整体特征的平均值。平均池化在提取图像中的整体特征、减少噪声等方面具有较好的效果。

池化API使用

池化层中没有设置参数：

import torch
import torch.nn as nn"""池化层API的使用"""
def test01():torch.manual_seed(1)# 输入特征图input = torch.randint(0,255,(1,64,224,224)).float()# 池化核pool = nn.MaxPool2d(kernel_size=2,stride=2,return_indices=True # 返回索引)# 池化操作out,indices = pool(input)print(out.shape)  # torch.Size([1, 64, 112, 112])print(indices)if __name__ == '__main__':test01()

多通道池化计算

在处理多通道输入数据时，池化层对每个输入通道分别池化，而不是像卷积层那样将各个通道的输入相加。这意味着池化层的输出和输入的通道数是相等的。

池化层的作用

池化操作的优势有：

通过降低特征图的尺寸，池化层能够减少计算量，从而提升模型的运行效率。
池化操作可以带来特征的平移、旋转等不变性，这有助于提高模型对输入数据的鲁棒性。
池化层通常是非线性操作，例如最大值池化，这样可以增强网络的表达能力，进一步提升模型的性能。

但是池化也有缺点：

池化操作会丢失一些信息，这是它最大的缺点；

二、感受野

感受野（Receptive Field, RF）是神经网络中一个非常重要的概念，特别是在卷积神经网络（CNN）中。它描述了网络中某个节点（或输出单元）能够看到的输入图像中的区域大小。简单来说，就是指该节点对输入数据哪个部分敏感，即感受的视野范围。

感受野的作用

案例：如果堆叠3个3 x 3的卷积层，并且保持滑动窗口步长为1，其感受野就是7×7的了，这跟一个使用7x7卷积核的结果是一样的，为什么非要堆叠3个小卷积呢？

假设输入大小都是h × w × C，并且都使用C个卷积核(得到C个特征图)：

很明显，堆叠小的卷积核所需的参数更少一些，并且卷积过程越多，特征提取也会越细致，加入的非线性变换也随着增多，还不会增大权重参数个数，这就是感受野的基本出发点，用小的卷积核来完成体特征提取操作。

三、其他卷积知识扩展

1、二维卷积

单通道

单通道卷积也叫叫做二维卷积，即只有一个通道的卷积。

如下图，我们对于卷积核（kernel）的描述一般是大小3x3、步长（stride）为1、填充（Padding）为0

多通道

彩色图像拥有R、G、B这三层通道，因此我们在卷积时需要分别针对这三层进行卷积：

最后将三个通道的卷积结果进行合并（元素相加），得到卷积结果。

2、三维卷积

二维卷积是在单通道的一帧图像上进行滑窗操作，输入是高度H宽度W的二维矩阵。

而如果涉及到视频上的连续帧或者立体图像中的不同切片，就需要引入深度通道，此时输入就变为高度H宽度W*深度C 的三维矩阵。

不同于二维卷积核只在两个方向上运动，三维卷积的卷积核会在三个方向上运动，因此需要有三个自由度。

3、反卷积

卷积是对输入图像及进行特征提取，这样会导致尺寸会越变越小，而反卷积是进行相反操作。并不会完全还原到跟输入图一样，只是保证了与输入图像尺寸一致，主要用于向上采样。

从数学上看，反卷积相当于是将卷积核转换为稀疏矩阵后进行转置计算。也被称为转置卷积。

计算过程

如图，在2x2的输入图像上使用【步长1、边界全0填充】的3x3卷积核，进行转置卷积（反卷积）计算，向上采样后输出的图像大小为4x4

4、空洞卷积(膨胀卷积)

为扩大感受野，在卷积核俩面的元素之间插入空格“膨胀”内核，形成“空洞卷积”（或称膨胀卷积），并用膨胀率参数 L 表示要扩大内核的范围，即在内核元素之间插入 L-1 个空格。

当L=1时，则内核元素之间没有插入空格，变为标准卷积。图中是L=2的空洞卷积。

import torch
import torch.nn as nn"""膨胀卷积"""
def test01():# 输入数据input = torch.randn(1,1,7,7)# 创建卷积核conv = nn.Conv2d(in_channels=1,  # 输入通道数out_channels=1,  # 输出通道数kernel_size=(3,3),  # 卷积核大小stride=1,  # 步长dilation=3,  # 卷积核间距(膨胀率))# 卷积操作out = conv(input)print(out.shape) # torch.Size([1, 1, 1, 1])# 若 dilation=1 则结果为 torch.Size([1, 1, 5, 5])if __name__ == '__main__':test01()

5、可分离卷积

空间可分离卷积

空间可分离卷积是将卷积核分解为两项独立的核分别进行操作。

在数学中我们可以将矩阵分解：

$\left[ \begin{matrix} -1 & 0 & 1 \\ -2 & 0 & 2 \\ -1 & 0 & 1 \end{matrix} \right]= \left[ \begin{matrix} 1 \\ 2 \\ 1 \end{matrix} \right]\times \left[ \begin{matrix} -1 & 0 & 1 \end{matrix} \right]$

所以对3x3的卷积核，我们同样可以拆分成 3x1 和 1x3 的两个卷积核，对其进行卷积，且采用可分离卷积的计算量比标准卷积要少。

import torch
import torch.nn as nn"""普通卷积"""
class NormalModel(nn.Module):def __init__(self):super(NormalModel, self).__init__()self.conv1 = nn.Conv2d(in_channels=1,  # 输入通道数out_channels=1,  # 输出通道数kernel_size=3,  # 卷积核大小stride=1,  # 步长padding=0,  # 填充bias=False)def forward(self,x):return self.conv1(x)"""分离卷积"""
class WaveModel(nn.Module):def __init__(self):super(WaveModel, self).__init__()self.conv1 = nn.Conv2d(in_channels=1,out_channels=1,# kernel_size=(3,1),kernel_size=(1,3), # 分离stride=1,bias=False,groups=1)def forward(self,x):x = self.conv1(x)return xif __name__ == '__main__':model1 = NormalModel()# 打印参数for name,param in model1.named_parameters():print(name,param.size())print("-"*20)model2 = WaveModel()for name,param in model2.named_parameters():print(name,param.size())

深度可分离卷积

深度可分离卷积由两部组成：深度卷积核1x1卷积

import torch
import torch.nn as nn"""对比普通卷积"""
class NormalModel(nn.Module):def __init__(self):super(NormalModel,self).__init__()self.conv1(in_channels=8,out_channels=8,kernel_size=3,stride=1,padding=0,bias=False)def forward(self,x):return self.conv1(x)"""分离"""
class deepWaveModel(nn.Module):def __init__(self):super(deepWaveModel, self).__init__()self.conv1 = nn.Conv2d(in_channels=8,out_channels=8,kernel_size=3,stride=1,padding=0,bias=False,groups=8 # 输入通道平均分成8组 组和组之间不进行数据交流)self.conv2 = nn.Conv2d(in_channels=8,out_channels=8,kernel_size=1,stride=1,padding=0,bias=False)def forward(self, x):x = self.conv1(x)x = self.conv2(x)return xif __name__ == '__main__':model1 = NormalModel() # 8*8*3*3=576for name, param in model1.named_parameters():print(name, param.shape)print("-"*20)model2 = deepWaveModel() # 8*1*3*3+8*8*1*1=136for name, param in model2.named_parameters():print(name, param.shape)# conv1.weight torch.Size([8, 1, 3, 3]) 8个通道 8个输入通道分成8组每组一个核 大小3*3# conv2.weight torch.Size([8, 8, 1, 1]) 8个通道 8个核 大小1*1

6、分组卷积

在分组卷积中，卷积核被分成不同的组，每组负责对相应的输入层进行卷积计算，最后再进行合并。

下图中卷积核被分成两个组，前半部负责处理前半部的输入层，后半部负责后半部的输入层，最后将结果组合。

import torch
import torch.nn as nnclass GroupModel(nn.Module):def __init__(self):super(GroupModel, self).__init__()self.conv1 = nn.Conv2d(# in_channels=16, # conv1.weight torch.Size([24, 2, 3, 3])in_channels=32, # conv1.weight torch.Size([24, 4, 3, 3])out_channels=24,kernel_size=3,stride=1,padding=0,# 分组卷积，将输入通道分成groups组，每组in_channels/groups个核，每个核与输入通道的每个通道进行卷积groups=8,bias=False)def forward(self, x):x = self.conv1(x)return xif __name__ == '__main__':model = GroupModel()for name, param in model.named_parameters():print(name, param.shape)