GhostNetV2: Enhance Cheap Operation with Long-Range Attention
轻量级卷积神经网络(CNNs)是专为在移动设备上具有较快推理速度的应用而设计的。卷积运算只能捕获窗口区域的局部信息，这阻碍了性能的进一步提高。在卷积中引入自我注意可以很好地捕获全局信息，但会极大地影响卷积的实际速度。在本文中，我们提出了一种硬件友好的注意机制(称为DFC注意)，然后提出了一种新的移动应用的GhostNetV2架构。所提出的DFC注意结构基于全连接层，既能在普通硬件上快速执行，又能捕获远距离像素间的依赖关系。我们进一步回顾了之前GhostNet的表达瓶颈，并提出在DFC的关注下，增强由廉价操作产生的扩展特性，使GhostNetV2块可以同时聚合本地和远程信息。大量的实验证明了GhostNetV2相对于现有体系结构的优越性。例如，它在ImageNet上以167M FLOPs达到75.3%的top-1精度，显著抑制了GhostNetV1(74.5%)，但计算成本相似。源代码将在https://github.com/huawei-noah/Efficient-AI-Backbones/tree/master/ghostnetv2_pytorch和https://gitee.com/mindspore/models/tree/master/research/cv/ghostnetv2。
在计算机视觉中，深度神经网络的架构在各种任务中发挥着至关重要的作用，如图像分类[19,10]，目标检测[27,26]，视频分析[18]。在过去的十年中，网络架构发展迅速，出现了包括AlexNet[19]、GoogleNet[29]、ResNet[10]和EfficientNet[32]在内的一系列里程碑。这些网络已经将一系列视觉任务的表现推向了一个高水平。
在智能手机和可穿戴设备等边缘设备上部署神经网络，不仅需要考虑模型的性能，还需要考虑其效率，特别是实际的推理速度。矩阵乘法占据了计算成本和参数的主要部分。开发轻量级模型是减少推理延迟的一种很有前途的方法。MobileNet[13]将标准卷积分解为深度卷积和点卷积，大大降低了计算成本。MobileNetV2[28]和MobileNetV3[12]进一步引入了反向残留块，改进了网络架构。ShuffleNet[42]利用shuffle操作来鼓励信道组之间的信息交换。GhostNet[8]提出了低成本的操作来减少信道中的特征冗余。WaveMLP[33]取代了复合体自注意模块和一个简单的多层感知器(MLP)，以减少计算成本。这些轻量级的神经网络已经在许多移动应用中得到应用。
然而，基于卷积的轻量级模型在建模远程依赖性方面较弱，这限制了进一步的性能改进。近年来，计算机视觉引入了类似变压器的模型，其中的自注意模块可以捕获全局信息。典型的自我注意模块要求二次复杂度w.r.t。特征的形状和大小在计算上不友好。此外，计算注意地图需要大量的特征分割和重塑操作。尽管理论上它们的复杂性可以忽略不计，但实际上这些操作会占用更多的内存和更长的延迟。因此，在轻量级模型中使用香草式自我注意对移动部署并不友好。例如，在ARM设备[23]上，具有大量自注意操作的MobileViT比MobileNetV2慢7倍以上。
本文提出了一种新的注意机制(DFC注意)，在保持轻量级卷积神经网络实现效率的前提下，捕获长距离的空间信息。为了简单起见，只有完全连接(FC)层参与生成注意地图。具体来说，将一个FC层分解为水平FC和垂直FC，聚合CNN二维特征图中的像素。两个FC层包括沿各自方向的较长范围内的像素，叠加它们将产生一个全局的接受场。此外，我们从最先进的GhostNet入手，重新审视了它的表示瓶颈，并利用DFC的关注增强了中间特征。然后，我们构建了一个新的轻型视觉中枢GhostNetV2。与现有的体系结构相比，它可以在准确性和推理速度之间实现更好的平衡(如图1和图2所示)。
如何同时设计一种推理速度快、性能高的轻量级神经体系结构是一个挑战[16,41,13,40,35]。SqueezeNet[16]提出了三种策略来设计一个紧凑的模型，即将3×3过滤器替换为1×1过滤器，将输入通道的数量减少到3x3过滤器，在网络后期下采样以保持大的特征映射。这些原理是有建设性的，特别是1 × 1卷积的使用。MobileNetV1[13]用1 × 1核和深度可分离卷积代替了几乎所有的3 × 3文件，这极大地降低了计算成本。MobileNetV2[28]进一步将残差连接引入到轻量级模型中，构造了一个倒置残差结构，其中块的中间层比它的输入输出通道多。为了保持表达能力，去掉了一部分非线性函数。MobileNeXt[44]重新思考了反向瓶颈的必要性，并声称经典的瓶颈结构也可以实现高性能。考虑到1 × 1卷积占计算成本的很大一部分，ShuffleNet[42]将其替换为群卷积。信道洗牌操作，以帮助信息在不同组之间流动。通过研究影响实际运行速度的因素，ShuffleNet V2[22]提出了一种硬件友好的新块。通过利用特性的冗余，GhostNet[8]用廉价的操作取代了1 × 1卷积中的一半通道。到目前为止，GhostNet一直是SOTA轻量级模型，在准确性和速度之间有很好的权衡。
除了手工设计，还有一系列的方法试图寻找一个轻量级的建筑。例如，FBNet[39]设计了一种硬件感知的搜索策略，它可以直接在特定硬件上找到精度和速度之间的良好平衡。基于反向残差瓶颈，MnasNet[31]、MobileNetV3[12]搜索体系结构参数，如模型宽度、模型深度、卷积滤波器的大小等。虽然基于NAS的方法可以实现高性能，但它们的成功是基于精心设计的搜索空间和架构单元。自动搜索和手动设计可以结合起来找到更好的架构
GhostNet[8]是SOTA轻量级模型，设计用于移动设备上的高效推理。它的主要组成部分是Ghost模块，它可以通过低成本的操作生成更多的特征映射来取代原来的卷积。给定输入特征 X ∈ R H × W × C X∈R^{H×W ×C} X∈RH×W×C，高度H，宽度W，通道数C，一个典型的Ghost模块可以用两步替换一个标准卷积。首先，利用1 × 1卷积生成本征特征，即:
其中，*表示卷积操作。 F 1 × 1 F_{1×1} F1×1为按点卷积， Y ′ ∈ R H × W × C o u t ′ Y^{'}∈R^{H×W ×C^{'}_{out}} Y′∈RH×W×Cout′为固有特征，其大小通常小于原始输出特征，即 C o u t ′ < C o u t C^{'}_{out} < C_{out} Cout′<Cout。然后使用廉价的操作(例如深度卷积)来生成基于内在特征的更多特征。特征的两部分沿信道维度连接，即
其中 F d p F_{dp} Fdp为深度卷积滤波器， Y ∈ R H × W × C o u t Y∈R^{H×W ×C_{out}} Y∈RH×W×Cout为输出特征。虽然Ghost模块可以显著降低计算成本，但不可避免地削弱了其表示能力**。空间像素之间的关系是实现精确识别的关键**。而在GhostNet中，对一半的特征只通过廉价的操作(通常通过3 × 3深度卷积实现)捕获空间信息。其余特征仅通过1 × 1点向卷积产生，不与其他像素相互作用。捕获空间信息的能力较弱可能会阻碍性能的进一步提高。
通过堆叠两个Ghost模块(如图4(A)所示)来构造一个GhostNet块。与MobileNetV2[28]类似，它也是一个反向瓶颈，即第一个Ghost模块作为扩展层，增加输出通道的数量，第二个Ghost模块减少通道的数量，以匹配快捷路径。
基于注意的模型起源于NLP领域[36]，近年来被引入计算机视觉领域[6,9,34,7]。例如，ViT[6]采用自注意模块和MLP模块堆叠的标准变压器模型。Wang等人在卷积神经网络中插入自注意操作来捕获非局域信息[37]。典型的注意模块通常具有二次复杂度w.r.t。该特征的大小，在下游任务如对象检测和语义分割中无法扩展到高分辨率图像。
降低注意复杂度的主流策略是将图像分割成多个窗口，并在窗口内或跨窗口执行注意操作。例如，Swin Transformer[21]将原始特征分割为多个不重叠的窗口，并在本地窗口内计算自注意。MobileViT[23]还将功能展开为不重叠的补丁，并计算这些补丁之间的注意力。对于CNN中的二维特征图，实现特征分割和注意计算涉及大量的张量重塑还有转置运算。其理论复杂性可以忽略不计。在一个高度复杂的大型模型(例如，具有数十亿FLOPs的swing - b[21])中，这些操作只占总推理时间的一小部分。而对于轻量级模型，其部署延迟不容忽视。
为了直观的理解，我们为GhostNet模型配备了MobileViT[23]中使用的self-attention，并使用TFLite工具在华为P30(麒麟980 CPU)上测量延迟。我们使用ImageNet的标准输入分辨率，即224 × 224，结果如表1所示。注意机制只增加约20%的理论FLOPs，但在移动设备上需要2倍的推理时间。理论复杂度和实际复杂度的巨大差异表明，为了在移动设备上快速实现，有必要设计一种硬件友好的注意机制。
在本节中，我们将讨论如何为移动cnn设计一个注意模块。期望的注意力应该具有以下特性:
Long-range
为了提高表示能力，捕获远程空间信息进行关注是至关重要的，轻量级CNN(如MobileNet [13]， GhostNet[8])通常采用小的卷积滤波器(如1 × 1卷积)来节省计算成本。
Deployment-efficient
注意模块应该非常有效，以避免减慢推断。具有高flop或硬件不友好操作的昂贵转换是不可预期的。
Concept-simple
为了保持模型对不同任务的泛化性，注意模块应概念简单，设计不讲究。
尽管自我注意操作[6,24,21]可以很好地模拟远程依赖，但它们并不像上节所讨论的那样具有部署效率。与之相比，具有固定权重的全连接层(FC)更简单、更容易实现，也可用于生成具有全局接受域的注意映射。具体的计算过程如下所示。
给定一个特征 Z ∈ R H × W × C Z∈R^{H×W ×C} Z∈RH×W×C，可视为HW令牌 z i ∈ R C z_i∈R^C zi∈RC，即 Z = z 11 , z 12 ， ⋅ ⋅ ⋅ ， z H W Z = {z_{11}, z_{12}，···，z_{HW}} Z=z11,z12，⋅⋅⋅，zHW。FC层生成注意地图的直接实现表述如下:
这里 ⊙ \odot ⊙为按元素乘法，F为FC层的可学习权值， A = a 11 , a 12 ， ⋅ ⋅ ⋅ ， a H W A = {a_{11}, a_{12}，···，a_{HW}} A=a11,a12，⋅⋅⋅，aHW为生成的注意图。Eq 3可以通过将所有标记与可学习的权重聚合在一起来捕获全局信息，这也比典型的自我注意[36]简单得多。然而，它的计算过程仍然需要二次复杂度w.r t。特征的大小(即 O ( H 2 W 2 ) ) O(H^2 W^2)) O(H2W2))，这在实际情况下是不可接受的，特别是当输入图像是高分辨率时。例如，GhostNet的第4层有一个特征映使用3136 (56 × 56)个令牌，这导致计算注意地图非常复杂。实际上，CNN中的特征图通常是低秩的[30,17]，没有必要将不同空间位置的所有输入输出令牌都紧密连接起来。特征的2D形状自然提供了一个减少FC层计算的视角，即，将Eq. 3分解为两个FC层，并分别沿水平和垂直方向聚合特征。它可以表述为:
其中 F H F^H FH和 F W F^W FW是变换权值。以原始特征Z为输入，依次对特征应用Eq. 4和Eq. 5，分别捕获沿两个方向的长程相关性。我们将这种操作称为解耦全连接注意(DFC)，其信息流如图3所示。由于水平和垂直变换的解耦，注意模块的计算复杂度可以降低到 O ( H 2 W + H W 2 ) O(H^2 W + H W^2) O(H2W+HW2)。在全注意(式3)中，正方形区域内的所有patch都直接参与到聚焦patch的计算中。在DFC注意中，一个补丁直接由垂直/水平线上的补丁聚合，而其他补丁则参与垂直/水平线上这些补丁的生成，与被聚焦的令牌有间接关系。因此，一个patch的计算也涉及到正方形区域内的所有patch。
等式4和5表示DFC注意的一般公式，它分别沿水平方向和垂直方向聚合像素。通过共享部分变换权值，可以方便地用卷积实现，省去了影响实际推理速度的耗时的张量重塑和转置操作。为了处理不同分辨率的输入图像，可以将滤波器的大小与特征图的大小解耦，即在输入特征上依次进行两个核大小为 1 × K H 1 × K_H 1×KH和 K W × 1 K_W × 1 KW×1的深度卷积。当采用卷积实现时，DFC注意的理论复杂度记为 O ( K H H W + K W H W ) O(K_H HW + K_W HW) O(KHHW+KWHW)。该策略得到了TFLite和ONNX等工具的良好支持，可在移动设备上进行快速推断。
在本节中，我们使用DFC注意来提高轻量级模型的表示能力，然后提出新的视觉主干GhostNetV2。
Enhancing Ghost module
正如3.1中所讨论的，Ghost模块中只有一半的特征(等式1和2)与其他像素相互作用，这损害了它捕获空间信息的能力。因此，我们使用DFC注意增强Ghost模块的输出特征Y，以捕获不同空间像素之间的远程依赖性。
输入特征 X ∈ R H × W × C X∈R^{H×W ×C} X∈RH×W×C被发送到两个分支，一个是Ghost模块，产生输出特征Y(等式1和2)，另一个是DFC模块，产生注意映射A(等式4和5)。回想一下，在典型的自注意[36]中，使用线性转换层将输入特征转换为查询和键，计算注意映射。同理，我们也实现1 × 1卷积，将模块的输入X转换为DFC的输入z。模块的最终输出 O ∈ R H × W × C O∈R^{H×W ×C} O∈RH×W×C是两个分支输出的乘积，即
这里的 ⊙ \odot ⊙为元素乘法，Sigmoid为标度函数，将注意映射A归一化到范围(0,1)。
信息聚合过程如图5所示。在相同的输入下，Ghost模块和DFC注意是两个平行的分支，从不同的角度提取信息。输出是它们的元素乘积，其中包含来自Ghost模块的特征和DFC注意模块的注意的信息。每个注意值的计算都涉及到大范围的补丁，因此输出特征可以包含来自这些补丁的信息。
Feature downsampling
由于Ghost模块(等式1和2)是一种非常高效的操作，直接与DFC注意并行将引入额外的计算成本。因此，我们通过在水平和垂直方向上对特征进行下采样来减小特征的大小，这样DFC注意中的所有操作都可以在较小的特征上进行。默认情况下，宽度和高度都是原来长度的一半，这减少了75%的DFC注意FLOPs。然后将生成的特征图上采样到原始大小，以匹配Ghost分支中的特征大小。我们天真地使用平均池和双线性插值分别进行下采样和上采样。注意到直接实现sigmoid(或硬sigmoid)函数将导致较长的延迟，我们还将sigmoid函数部署在下采样的特征上，以加速实际推断。虽然注意地图的价值可能不是严格限制在(0,1)的范围内，但我们的经验发现，它对最终表现的影响是可以忽略不计的。
GhostV2 bottleneck
GhostNet采用了一个包含两个Ghost模块的反向残差瓶颈，其中第一个模块产生的扩展特征具有更多的通道，而第二个模块减少通道的数量得到输出特征。这个反向瓶颈自然地分离了模型[28]的“表达性”和“容量”。前者通过扩展特征度量，后者通过块的输入输出域反映。原始的Ghost模块通过廉价的操作生成了部分特征，这损害了表达能力和容量。通过研究在扩展特征或输出特征上配置DFC注意力的性能差异(第5.4节表8)，我们发现增强“表现力”更有效。因此，我们只将扩展的特征与DFC注意相乘。
图4(b)显示了GhostV2瓶颈示意图**。DFC注意分支与第一个Ghost模块并行，以增强扩展功能**。然后将增强的特征发送到第二个Ghost模块产生输出特征。它捕获了不同空间位置像素之间的长程依赖性，增强了模型的表达能力。
本文提出了一种硬件友好的DFC注意，并提出了一种新的移动应用的GhostNetV2体系结构。DFC注意可以捕捉到远距离空间位置上像素之间的依赖性，显著增强了轻量级模型的表达能力。它将一个FC层分解为水平FC和垂直FC，在两个方向上分别有较大的接受野。配备了这种计算高效和部署简单的模块，GhostNetV2可以在精度和速度之间实现更好的平衡。在基准数据集(如ImageNet、MS COCO)上的大量实验验证了GhostNetV2的优越性。
