Asymmetric Non-local Neural Networks

論文：Asymmetric Non-local Neural Networks for Semantic Segmentation,ICCV,2019.

鏈接：paper

代碼：github

本文是在Non-local Neural Networks（cvpr,2018) 這篇論文的基礎(chǔ)上改進得來的，non-local block Non-local模塊作為語義分割任務(wù)中很有用的技術(shù)，但因為計算量較大，需要較大的顯存開銷，這阻礙了non-local network在實際應(yīng)用中的使用。本文提出了APNB來減少non-local block的計算量和顯存開銷,AFNB通過提升分割性能增強non-local block的學(xué)習(xí)能力。我們著重分析這篇論文的改進點。

Revisiting Non-local Block

輸入

1.經(jīng)過3個1x1的卷積Query，Key和Value變換之后，分別得到 : ，，

2.計算所有空間位置特征向量的相似度：

3.歸一化：

4.根據(jù)所有空間位置特征向量的相似度加權(quán)求和：

5.新特征經(jīng)過1*1卷積變換后與原輸入特征拼接：

計算復(fù)雜度：

Asymmetric Pyramid Non-local Block(APNB)

Non-local 的計算復(fù)雜度主要來自第2步和第4步：

可以看出經(jīng)N（紅色）改變?yōu)镾，不會改變輸出的size。

將N 減小到S ,相當(dāng)于從θ 和 γ 采樣一些特征點，代替使用HxW空間范圍的點，如上圖1(b)所示，增加兩個sample模塊$P_{\theta }和P_{\gamma }$，采樣一些稀疏的錨點和，S就是錨點的數(shù)量。

1.經(jīng)過3個1x1的卷積Query，Key和Value變換之后，分別得到，，

2.采樣：,

3.計算所有空間位置與S個采樣點的特征相似度：

4.歸一化：

5.根據(jù)相似度加權(quán)求和：

5.新特征經(jīng)過1X1卷積變換后與原輸入特征拼接：

計算復(fù)雜度：

可以看出sample之后，S(110)<<N，則該模型就大大減少了計算復(fù)雜度和內(nèi)存開銷。

分割網(wǎng)絡(luò)框架

由于作者將傳統(tǒng)的non-local模型中的N經(jīng)過Sample操作之后變成了較小的S，這樣就不能捕捉到每個像素點之間的相關(guān)性信息，可能會造成效果不是很好，為了使模型性能進一步的提升，作者又在考慮長依賴性的情況下融合不同級別下的特征。

作者提出的非對稱non-local網(wǎng)絡(luò)的框架如下圖所示：

首先作者采用ResNet - 101 網(wǎng)絡(luò)作為模型的backbone,并且去掉了原模型中最后兩個下采樣層，使用空洞卷積來保持最后兩個階段得到的特征分辨率是原圖像的1/8,作者將stage4和stage5的輸出用AFNB模塊進行融合，作者將Stage5得到的特征稱為high-level 特征，將stage4得到的特征稱為low-level特征，將這兩個特征輸入AFNB模塊進行融合，其具體的過程如下圖：

該模塊將stage5產(chǎn)生的高級特征作為Query,將stage4得到的低級特征作為Key 和 Value,首先對Query,Key和Value 分別使用1x1 的卷積核進行降維，根據(jù)Asymmetric non-local 網(wǎng)絡(luò)的特征需要進行Pyramid Pooling 操作，來對Key 和 Value 進行進一步的特征抽取，從而得到較小的特征表示。

APNB錨點采樣策略

通過金字塔池化（何凱明在fast-rcnn 中提出的）對Key路徑和Value路徑得到的特征圖和進行下采樣，得到和

使用4中不同的池化操作：{1,3,6,8},然后將池化后的特征圖展開成一維向量，拼接起來，一共得到 110 個錨點。經(jīng)過Pyramid Pooling操作后原本CN大小的特征變成了大小為CS的特征矩陣，然后計算Query和Key的相關(guān)性矩陣計算，就是將Query轉(zhuǎn)置后與Key相乘最終得到一個N*S的相關(guān)性矩陣，最后，將這個相關(guān)性矩陣與Value 特征進行轉(zhuǎn)置相乘最終得到了不同leve下的特征融合表示$O_F$,最后將這個表示與Stage5輸出的特征拼接后得到原始圖像最新的特征表示$Y_F$.

然后對得到的最新的特征表示進行非對稱金字塔non-local 模塊，其目的與self-attention的目的是相似的，但是其過程是不相同的。其具體的流程如下圖所示：

該過程和Non-local block 過程相似，只不過是key 和 Value 進行了統(tǒng)一的下采樣操作。

該過程對$Y_F$使用兩次1x1 的卷積操作，得到non-local 模塊中的query,key 和value.為了減少計算量使key=value，所以針對key 和 value 只進行一次Pyramid Pooling 操作，得到了新的特征表示，其他的過程與AFNB的過程相同，都是根據(jù)Query和Key計算出相關(guān)性矩陣，然后將相關(guān)性矩陣與Value的特征轉(zhuǎn)置相乘得到最終的特征，再將這個特征與$Y_F$拼接，得到作者較為滿意的圖像特征表示，最后在采用雙線性插值的方法將特征分辨率還原，從而得到了分割結(jié)果。

實驗結(jié)果

可以看出效果還是不錯的。

總結(jié)

以上是生活随笔為你收集整理的Asymmetric Non-local Neural Networks的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。