目录
- I. Overview
- II. Degradation
- III. Solution & Deep residual learning
- IV. Implementation & Shortcut connections
Home page
https://github.com/KaimingHe/deep-residual-networksTensorFlow实现：
https://github.com/tensorpack/tensorpack/tree/master/examples/ResNet事实上TensorFlow已经内置了resnet：
https://github.com/tensorflow/tensorflow/blob/master/tensorflow/contrib/slim/python/slim/nets/resnet_v1.py2016 CVPR Best Paper Award ，2018年被引超12900次。
解决的问题：使深度网络更容易训练。
To ease the training of networks that are substantially deeper than those used previously.
I. Overview
首先，堆叠更多层，确实让特征提取更加有效。
Deep networks naturally integrate low/mid/highlevel features [49] and classifiers in an end-to-end multilayer fashion, and the “levels” of features can be enriched by the number of stacked layers (depth).
但网络太深的主要困难，在于梯度消失或爆炸：
An obstacle to answering this question was the notorious problem of vanishing/exploding gradients [14, 1, 8], which hamper convergence from the beginning.
前人的加速方法主要是标准化层和正则初始化：
This problem, however, has been largely addressed by normalized initialization [23, 8, 36, 12] and intermediate normalization layers [16], which enable networks with tens of layers to start converging for stochastic gradient descent (SGD) with backpropagation [22].
具体为什么标准化层可以加快训练，参考这篇博客及其相关论文。
当网络更深时，一个新的问题出现了。我们称之为 Degradation ：
如图，在准确率基本饱和时，深层网络的训练误差比浅层网络还高。
实验证明，随着网络加深，这种退化越来越剧烈。
这是因为过拟合吗？
如果是过拟合，那么训练误差不应该随网络加深而上升（过拟合时训练误差应该很低）。
我们继续研究这个问题。
II. Degradation
我们先训练好一个 shallower architecture ，其能输出理想的结果。
然后，我们复制该 shallower architecture ，再加上一层或多层网络，得到一个 deeper model ，如图：
我们再训练 deeper model 。
理想情况下， added layers 只需要简单地实现 identity mapping 功能，就可以让训练误差不下降，甚至还有可能上升。
然而实验证实，deeper model 要么耗时过长，要么效果不如预期。
这是深度网络退化问题的一个实验说明。
III. Solution & Deep residual learning
为了解决退化问题，我们引入了 deep residual learning 。其根本思想是：
Instead of hoping each few stacked layers directly fit a desired underlying mapping, we explicitly let these layers fit a residual mapping.
比如，假设原映射是 \(\mathscr H(\mathrm x)\) ，那么我们希望非线性层真正学习的映射就是：
\[
\mathscr F(\mathrm x) := \mathscr H(\mathrm x) - \mathscr x
\]
回到上一节的例子。
我们希望附加层能学到恒等映射，由于该层是非线性层，训练起来依然非常困难。
但是，如果我们学习的是残差映射，即全零的残差，显然容易多了。
思想类似于 SVM ，但是你怎么想不到！！！
IV. Implementation & Shortcut connections
思想有了，具体怎么实现呢？
忍不住了：何大神太牛逼了！！！！
回到刚刚的例子。假设：
- added layers 的目标映射是 \(\mathscr H\) ；
- 原 shallower architecture 的输出，是 \(\mathscr H\) 的输入 \(\mathrm x\) 。
为了迫使前面的非线性层学习残差，我们假设网络输出就是残差的情况。
此时，我们应该在计算损失之前，让网络的输出 \(\mathscr H(\mathrm x)\) 与原始输入 \(\mathrm x\) 求和。
因此网络如下：
如此连接是可导的，因此可以应用反向传播算法。
当然，为什么学“全0”更简单，没有详细的理论分析，而需要大量的实验证明。
右图实验结果表明，左图的退化问题得到了有效解决。
原文地址：https://www.cnblogs.com/RyanXing/p/9740296.html