CycleMLP：用于密集预测的类似 MLP 的架构

paper：https://arxiv.org/abs/2107.10224

作者单位：香港大学, 商汤科技
代码：https://github.com/ShoufaChen/CycleMLP

核心：用 Cycle-FC来替换Spatial FC（计算量大且网络对于不同图像分辨率的输入不可接受，且不能用于下游任务）

本文提出了一个简单的 MLP-like 的架构 CycleMLP，它是视觉识别和密集预测的通用主干，不同于现代 MLP 架构，例如 MLP-Mixer、ResMLP 和 gMLP，其架构与图像大小相关，因此是在目标检测和分割中不可行。

与现代方法相比，CycleMLP 有两个优势。

(1) 可以应对各种图像尺寸。

(2) 利用局部窗口实现对图像大小的线性计算复杂度。

相比之下，以前的 MLP 具有二次计算，因为它们具有完全的空间连接。

单个 CycleMLP Block 依然是分为 Token-mixing MLP 和 Channel mixing MLP，其中作者主要的贡献点在于替换 MLP-mixer 的 Token-mixing MLP 为 Cycle-FC。所以整个 CycleMLP Block 可以描述为：

何为 Cycle-FC ？要回答这个问题，我们首先来回顾一下 Channel FC 以及 Spatial FC.

Channel FC 即通道方向的映射，等效与1×1 卷积，其参数量与图像尺寸无关，而与通道数（token 维度）有关。假设输入输出特征图尺寸一致，则参数量为 C^2，其中 C 为通道数。而计算量则为 HWC^2，其中 H W 分别为特征图的高和宽。如果只考虑计算量与图像尺寸的影响的话，则为 O ( H W ) 。

Spatial FC 即 MLP-Mixer 使用的 Token-mixing 全连接层，在这里我们都是只考虑一个全连接层，则其实现的是 H W − > H W 的映射，参数量为 H^2W^2，计算量也为 H 2 W 2 C H^2W^2C，如果只考虑计算量与图像尺寸的影响的话，则为 O(H^2W^2)。并且HW 大小固定，网络对于不同图像分辨率的输入不可接受，且不能用于下游任务以及使用类似 EfficientNetV2 等的多分辨率训练策略。

为什么我们可以在复杂度分析时只考虑 H W 的影响呢？因为在金字塔结构的 MLP 中，通常一开始的 patch size 为 4，然后输入尺寸为 224×224，则一开始的 H = W = 56 = 224 / 4 ，而 C = 64 或者 96 ，所以C≪HW。如果对于下游任务而言，例如输入变为了512×512，则它们之间的差距更大了。为此在这里我们可以在复杂度分析中暂时只考虑 H W  而忽略 C 。

为了同时克服 Spatial 对于图像输入尺寸敏感以及计算量大的问题，作者提出了 Cycle-FC。其只是用通道方向的映射并且计算量和 Channel FC 保持一致。其说白了就是不断地以 [+1 0 -1 0 +1 0 -1 0 +1 …] 的方式移动特征图，将不同空间位置的特征对齐到同一个通道上，然后使用1×1 卷积。

回忆 AS-MLP，其采用的特征图移动方式则为 [+1 0 -1 +1 0 -1 +1 0 -1] 这样的成组方式，CycleMLP 则是使用“楼梯型”方式，但是其思想没有本质不同。此外，AS-MLP 确实对特征图进行了 Shift，并且采用了 zero-padding，而 CycleMLP 在具体实现过程中则是使用可变形卷积加以实现的。我个人对于 AS-MLP 与 CycleMLP 的理解如下图所示，可见他们其实核心思想是一致的。

from torchvision.ops.deform_conv import deform_conv2d

img3

CycleMLP 与 AS-MLP 只并行 H 和 W 方向的移动不同，CycleMLP 其实是三条支路并行：H 方向，W 方向，以及不移动特征图做通道方向映射。此外，AS-MLP 在一开始还做了一次 Channel Projection 进行降维。

img5

CycleMLP 最终使用的和 ViP 一样，使用 Split Attention 来融合三条支路。

class CycleMLP(nn.Module):
    def __init__(self, dim, qkv_bias=False, qk_scale=None, attn_drop=0., proj_drop=0.):
        super().__init__()
        self.mlp_c = nn.Linear(dim, dim, bias=qkv_bias)

        self.sfc_h = CycleFC(dim, dim, (1, 3), 1, 0)
        self.sfc_w = CycleFC(dim, dim, (3, 1), 1, 0)

        self.reweight = Mlp(dim, dim // 4, dim * 3)

        self.proj = nn.Linear(dim, dim)
        self.proj_drop = nn.Dropout(proj_drop)

    def forward(self, x):
        B, H, W, C = x.shape
        h = self.sfc_h(x.permute(0, 3, 1, 2)).permute(0, 2, 3, 1)
        w = self.sfc_w(x.permute(0, 3, 1, 2)).permute(0, 2, 3, 1)
        c = self.mlp_c(x)

        a = (h + w + c).permute(0, 3, 1, 2).flatten(2).mean(2)
        a = self.reweight(a).reshape(B, C, 3).permute(2, 0, 1).softmax(dim=0).unsqueeze(2).unsqueeze(2)

        x = h * a[0] + w * a[1] + c * a[2]

        x = self.proj(x)
        x = self.proj_drop(x)

        return x

最后提一句，作者将投影区间定义为是 Pseudo-Kernel，这其实也是我们常说的 感受野 一词。

img4

2.2 整体网络结构

CycleMLP 的 Patch Embedding 也很有特色，使用卷积核大小为 7×7 ，步长为 4 的卷积。后续 Hire-MLP 其实也是这样进行的 Patch Embedding。相比而言 Swin 使用卷积核大小为 4×4，步长为 4 的卷积。在近期的我自己的小实验中也发现：Patch Embedding 时具有重叠会更好，这样可以避免边界效应并在小数据集上提升性能。CycleMLP 中间采用多阶段金字塔模型，总共分为 4 个阶段，每个阶段交替重复使用 CycleMLP Block。下采样使用卷积核大小为3×3，步长为 2 的卷积，这样做也有重叠，Hire-MLP 也是这样子哈。最后经过全局池化后连接一个全连接分类器即可。作者一共提出来了四种配置：

请添加图片描述

在这四种配置，Si​ 指 Patch Embedding 中的 Patch size，Ci​ 指 Patch Embedding 的输出编码特征维度，E i ​ 为 Channel-mixing MLP 中两个全连接层中第一个全连接层的 expand radio，Li​ 则是不同 Stage 中 Block 的重复次数。

3. 下游任务实验

CycleMLP 旨在为 MLP 模型的目标检测、实例分割和语义分割提供一个有竞争力的基线。与 AS-MLP 不同之处在于，CycleMLP 在 ADE20K 上进行实验，而 AS-MLP 在 COCO 上进行的实验。这真的是巧合，还是故意避开？不敢问也不敢说。

目标检测性能表现：相比 PVT，CycleMLP 都更具有优势。

请添加图片描述

语义分割性能表现：特别是，CycleMLP 在 ADE20K val 上达到了 45.1 mIoU，与 Swin (45.2 mIOU) 相当。

请添加图片描述

4. 消融实验

作者一共进行了三组消融实验：

  • Cycle-FC VS Spacial-FC and Channel-FC: 作者将 CycleMLP 中的 Cycle-FC 替换为 Spacial-FC 或者 Channel-FC，结果发现 CycleMLP 具有更好的性能。但是只有 Channel-FC，也能达到 79.4% 的性能，真的这么高吗，比 ResNet 高那么多…
请添加图片描述
  • Cycle-FC 中三条支路的选择：Cycle-FC 中作者并行了三条支路，对他们的消融实验发现，同时拥有正交 H 和 W 方向效果很好，加上不动之后效果更好。两倍 H 方向或者两倍 W 方向比仅含有 H 或者 W 方向会好一些。
请添加图片描述
  • 测试分辨率的影响：最终发现测试正确率随分辨率先升后降，CycleMLP 表现最好。
请添加图片描述

4. 总结与反思

CycleMLP 提出了 Cycle-FC，即将不同 token 的特征对齐到同一个通道，然后使用通道映射，从而实现网络参数量计算量的降低，以及对图像分辨率不敏感。CycleMLP 也在下游任务上测试了自己的性能表现。整体而言做得还是很充分的。不过其试图造一些新的名词以强化贡献，例如 Cycle-FC 其实就是移动特征图，Pseudo-Kernel 其实就是卷积核感受野的概念。最终 CycleMLP 通过三条并行的支路构建了十字形感受野。相比 AS-MLP，CycleMLP 在感受野分析上略显不足，没有更泛化地分析以及进行消融实验。比如 CycleMLP 也可以间隔采样，例如 [+4 +2 0 -2 -4 -2 0 2 4 2 0 -2 …]，就可以构建 AS-MLP 那种空洞的更大范围的感受野。（最后插一句：CycleMLP 和 AS-MLP，就像 ResMLP 与 MLP-Mixer，学术界的 Idea 真的能够这么惊人的一致吗？）

相关文章：

  1. Vision MLP系列–RepMLP
  2. Vision MLP —Swin-MLP
  3. Vision MLP –Pay Attention to MLPs
  4. Vision MLP –ResMLP

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注