点击上方“小白学视觉”，选择加"星标"或“置顶”
重磅干货，第一时间送达
1.前言
这篇文章主要以几篇经典的分割论文为切入点，浅谈一下当Unet遇见ResNet会发生什么？
2. UNet
首先回顾一下UNet，UNet的结构如下图所示：
「从UNet的网络结构我们会发现两个最主要的特点，一个是它的U型结构，一个是它的跳层连接。」 其中UNet的编码器一共有4次下采样来获取高级语义信息，解码器自然对应了4次上采样来进行分辨率恢复，为了减少下采样过程带来的空间信息损失跳层连接被引入了，通过Concat的方式使得上采样恢复的特征图中包含更多low-level的语义信息，使得结果的精细程度更好。
使用转置卷积的UNet参数量是31M左右，如果对其channel进行缩小例如缩小两倍，参数量可以变为7.75M左右，缩小4倍变成2M左右，可以说是非常的轻量级了。UNet不仅仅在医学分割中被大量应用，也在工业界发挥了很大的作用
3. ResNet
再来简单回顾一下ResNet。
在ResNet之前普遍认为网络的深度越深，模型的表现就更好，因为CNN越深越能提取到更高级的语义信息。但论文的实验发现，通过和浅层网络一样的方式来构建深层网络，结果性能反而下降了，这是因为网络越深越难训练。实验如Figure1所示：
因此网络的深度不能随意的加深，前面介绍的GoogLeNet和VGG16/19均在加深深度这件事情上动用了大量的技巧。那么到底什么是残差呢？
首先，浅层网络都是希望学习到一个恒等映射函数，其中指的是用这个特征/函数来代表原始的的信息，但随着网络的加深这个恒等映射变得越来越难以拟合。即是用BN这种技巧存在，在深度足够大的时候网络也会难以学习这个恒等映射关系。因此ResNet提出将网络设计为，然后就可以转换为学习一个残差函数，只要残差为，就构成了一个恒等映射，并且相对于拟合恒等映射关系，拟合残差更容易。残差结构具体如Figure2所示，identity mapping表示的就是恒等映射，即是将浅层网络的特征复制来和残差构成新的特征。其中恒等映射后面也被叫作跳跃连接(skip connrection)或者短路连接(shortcut connection)，这一说法一直保持到今天。同时我们可以看到一种极端的情况是残差映射为，残差模块就只剩下，相当于什么也不做，这至少不会带来精度损失，这个结构还是比较精巧的。
为什么残差结构是有效的呢？这是因为引入残差之后的特征映射对输出的变化更加敏感，也即是说梯度更加，更容易训练。从图2可以推导一下残差结构的梯度计算公式，假设从浅层到深层的学习特征，其中就是带权重的卷积之后的结果，我们可以反向求出损失函数对的提取
我们知道UNet做下采样的BackNone是普通的CBR模块(Conv+BN+ReLU)堆叠的，一个自然的想法就是如果将学习更强的ResNet当作UNet的BackBone效果是否会更好呢？
CVPR 2017的LinkNet给出了答案。LinkNet的网络结构如下所示：
其中，conv 代表卷积，full-conv 代表全卷积，/2代表下采样的步长是2，*2代表上采样的因子是2。在卷积层之后添加 BN，后加 ReLU。左半部分表示编码，右半部分表示解码。编码块基于ResNet18。编解码模块如下所示。
这项工作的主要贡献是在原始的UNet中引入了残差连接，并直接将编码器与解码器连接来提高准确率，一定程度上减少了处理时间。通过这种方式，保留编码部分中不同层丢失的信息，同时，在进行重新学习丢失的信息时并未增加额外的参数与操作。在Cittycapes和CamVID数据集上的实验结果证明残差连接的引入（LinkNet without bypass）使得mIOU获得了提升。
这篇论文的主要提升技巧在于它的bypass技巧，但我们也可以看到ResNet也进一步对网络的效果带来了改善，所以至少说明ResNet是可以当成BackBone应用在UNet的，这样结果至少不会差。
5. 当UNet再见ResNet
CVPR 2018北邮在DeepGlobe Road Extraction Challenge全球卫星图像道路提取）比赛中勇夺冠军，他们提出了一个新网络名为D-LinkNet，论文链接以及代码/PPT见附录。
D-LinkNet使用LinkNet作为基本骨架，使用在ImageNet数据集上与训练好的ResNet作为网络的encoder，并在中心部分添加带有shortcut的dilated-convolution层，使得整个网络识别能力更强、接收域更大、融合多尺度信息。网络中心部分展开示意图如下：
这篇论文和ResNet的关系实际上和LinkNet表达出的意思一致，也即是将其应用在BackBone部分增强特征表达能力。
6. 最后，ResNet+UNet被玩出了花
这篇文章其实是比上两篇文章早的，但我想放到最后这个位置来谈一下，这篇文章是DLMIA 2016的文章，名为：「The Importance of Skip Connections in Biomedical Image Segmentation」 。这一网络结构如下图所示，对图的解释来自akkaze-郑安坤的文章(https://zhuanlan.zhihu.com/p/100440276)：
(a) 整个网络结构
使用下采样（蓝色）：这是一条收缩路径。
上采样（黄色）：这是一条不断扩大的路径。
这是一个类似于U-Net的FCN架构。
并且从收缩路径到扩展路径之间存在很长的跳过连接。
（b）瓶颈区
使用，因此称为瓶颈。它已在ResNet中使用。
在每次转化前都使用，这是激活前ResNet的想法。
（c）基本块
两个卷积，它也用在ResNet中。
（d）简单块
个卷积
（b）-（d）
所有块均包含短跳转连接。
下面的Table1表示整个网络的维度变化：
接下来是这节要分析的重点了，也就是长短跳过网络中两种不同类型的跳跃连接究竟对UNet的结果参生了什么影响？
这里训练集以张电子显微镜（EM）图像为数据集，尺寸为。张图像用于训练，其余张图像用于验证。而测试集是另外张图像。
下面的Figure3为我们展示了长短跳过连接，以及只有长跳过连接，只有短跳过连接对准确率和损失带来的影响：
下面来看一可视化权重分析：
（a）长跳和短跳连接
当长跳转和短跳转连接都存在时，参数更新看起来分布良好。
（b）仅长跳连接具有9个重复的简单块
删除短跳过连接后，网络的较深部分几乎没有更新。
当保留长跳连接时，至少可以更新模型的浅层部分。
（c）仅长跳连接具有3个重复的简单块
当模型足够浅时，所有层都可以很好地更新。
（d）仅长跳连接具有7个重复的简单块，没有BN。
论文给出的结论如下：
没有批量归一化的网络向网络中心部分参数更新会不断减少。
根据权值分析的结论，由于梯度消失的问题（只有短跳连接可以缓解），无法更有效地更新靠近模型中心的层。
所以这一节介绍的是将ResNet和UNet结合之后对跳跃连接的位置做文章，通过这种长跳短跳连接可以使得网络获得更好的性能。
7. 总结
这篇文章只是对我个人阅读ResNet相关的类UNet分割结构的一点小总结，希望能起到一点作用科普和给你带来一点点启发。
好消息！
小白学视觉知识星球
开始面向外开放啦
