개인적으로 읽고 쓰는 공부용 리뷰입니다.
틀린 점이 있을 수도 있으니 감안하고 읽어주세요. 피드백은 댓글로 부탁드립니다.
paper overview
-
논문링크 : paper link
- Hierarchical Deep Aggregation(HDA)
- Iterative Deep Aggregation(IDA)
원래 VGG 쓸 차롄데, 최근에 보고 코드를 짠거라 까먹기 전에 이거 먼저 리뷰를 쓴다.
이 논문의 주요 키워드는 aggregation이다. resnet의 residual connection부터 unet의 feature concatenation등 feature map의 hierarchical connection은 이전부터 많이 실험 및 연구 되어왔다. 이 논문에서는 과연 기존의 feature aggregation이 최선일까?라는 의문에서 이를 해결하기 위한 연구를 한 논문이다. 저자도 굉장히 유명한 Fisher Yu와 Evan Shelhamer다. 그리고 최신 네트워크의 backbone모델로도 많이 사용되고 있는 모델이다. 사실 내가 마지막으로 쓴 논문도 semantic segmentation에서 이 점을 어떻게 해결할까? 로 시작했던 점이어서 아쉽기도 하고 부러운.. 논문이다. 그리고 논문만 봐서는 사실 이해가 잘 안돼서 코드를 보고 역으로 추론한 것이 많다.
Feature aggregation
사실 이 논문 외에도 semantic segmenation, object detection등 다양한 task에서 neural network의 중간 feature들을 어떻게 잘 종합하느냐에 따라 성능이 좌지우지 되는 것은 많은 연구를 통해 이미 증명되었다. 이 부분에 대해서는 논문은 계층적 그리고 반복적인 aggregation을 제안한다. 개인적으로 느끼기에는 논문이 영어가 너무 깔끔해서 쉽게 읽혔다. 다음 부분이 introduction의 핵심이다.
>>> "In this work, we investigate how to aggregate layers to better fuse semantic and spatial information for recognition and localization. Extending the “shallow” skip connections of current approaches, our aggregation architectures incorporate more depth and sharing. We introduce two structures for deep layer aggregation. iterative deep aggregation (IDA) and hierarchical deep aggregation (HDA)"
IDA & HDA
>>> "IDA focuses on fusing resolutions and scales while HDA focuses on merging features from all modules and channels. IDA follows the base hierarchy to refine resolution and aggregate scale stage-bystage. HDA assembles its own hierarchy of tree-structured connections that cross and merge stages to aggregate different levels of representation."
논문에서 인용한 단락이다. 진짜 이 논문은 다른 것 필요 없고 위 단락으로 사실 설명이 끝이다. IDA는 서로 다른 resolution의 featuremap 들을 지속적으로 fusing하기위한 aggretation을 의미하고, HDA는 같은 resolution상에서(같은 계층 상에서) 그 tree들을 서로 잘 aggregation하는 connection을 의미한다.
왼쪽 그림이 논문의 figure2다. c와 f만 잘라왔지만, 당연히 논문에는 a~f까지 다있다. a와 b는 기존에 존재하는 방식에 대해 언급하고 있고 d,e는 다른 방식의 aggregation에 대해서 설명하고 있지만, 결국에 제안하는 방식은 왼쪽 그림의 c(IDA), f(HDA)다.
흰색 네모들은 큰거와 작은 것이 각각 conv stage와 conv block들을 의미하고 초록색이 aggregation node를 의미한다.
stage와 block의 차이점은 block모인것이 stage라고 생각하면 된다. resnet의 큰 conv block을 생각하면 된다.
즉 IDA는 stage단위로 엮어주고, HDA는 block단위로 엮어주는 개념이다. 사실 이그림만 봐서는 제대로 이해가 안됐지만, figure 3까지 같이 보면 이해가 좀 쉽다. 아래서부터는 각 aggregation에 대한 디테일한 설명이다.
HDA(Hierarchical Deep Aggregation) detail
이 figure3가 전체적인 DLA의 큰 flow인데, HDA와 IDA의 차이점이 확연하게 차이난다. 일단 가장 큰 차이점은 resolution의 차이라고 생각하면 된다. 파란선이 down sample을 의미하는데 각 HDA안에서는 down sample이 존재하지 않는다. IDA는 서로 다른 resolution의 지속적인 연결이라고 언급했는데 여기서 노란선이 이를 보여준다. HDA는 같은 stage내 feature map들의 conntection이다. 저 흰색 박스는 resnet의 conv block을 생각하면 된다. 그리고 빨간 박스는 HDA의 Tree level이라고 생각하면 쉽다 왼쪽 빨간박스부터 level1, level2, level3의 HDA를 의미한다.
여기서 흰 박스들은 resnet의 conv block이라고 했는데, 발그림이긴 하지만 아래 그림을 보면
왼쪽부터 basic convblock, basic conv block with projection, bottlenect convblock, bottleneck convblock with projection이다. 아마 resnet을 짜봤으면 바로 이해했을 것이다. 위 그림중 왼쪽의 connection은 residual connection을 나타내는데, 이는 덧셈 연산이기 때문에 해상도가 안맞거나, channel수가 안맞으면 연산이 불가하다. projection은 이럴 때 1x1 conv를 이용해 resolution이나 channel을 맞춰주는 역할이다. resolution이 안맞을 때(주로 down sampling) stride=2로 주는데 그러면 전체 feature map을 고려하지 못하기때문에 avgpool을 선행하고 projection을 하는 경우도 있으나 여기서 다룰 문제는 아니므로 스킵.
아무튼 왼쪽 두개는 일반적인 conv block을 의미하고 오른쪽 두개는 연산을 줄이기 위해 채널을 줄였다가 다시 늘리는 bottlenect block이다. 이를 설명하는 이유는 위 figure3에서 작은 흰색 박스가 바로 이 conv block을 의미하기 때문이다. (아래 그림 참조)
만약 좌측 그림처럼 그냥 흰색 네모 박스 두개가 연달아 있었다면 이것은 그냥 resnet과 같이 conv block을 나열한 것이다. 근데 HDA에서는 위 그림처럼 새 node를 두어 앞의 block의 output도 aggregation에 사용한다. 이게 HDA의 개념이다. (참고로 aggregation node내에서는 concat + 1x1 conv의 연산이 이뤄진다. 이 안에도 1개의 conv가 포함되어 있다.)
HDA level2다. 중간을 기점으로 왼쪽을 잘라보면 HDA level1과 정확히 똑같은 모양이 있다. 조금만 멀리서 보면 결국 중간 기준 오른쪽도 마찬가지로 같다.
맞다. HDA level1을 두번 이은 것이다.
흰색 네모 박스가 basic block일 경우 각각 conv layer를 2개씩 갖고 있으므로 HDA level2는 총 10개의 conv가 들어간다. ( aggregation node도 1개씩 갖고있기때문에)
마찬가지로 HDA level1의 경우 2x2 + 1 해서 5개의 conv layer를 갖는다.
HDA level3이다. 이또한 자세히 보면 HDA level2가 두번 나열되어있다. 즉 HDA1을 네번 이은 것이다.
맞다. tree 형태를 띄고 있다. 그래서 official code도 tree로 짜여져있는데, 개인적으로는 이 코드가 이해하기 너무 힘들다.
아무튼 HDA level3 는 8개의 conv block을 가지므로 basic block 기준, 2*8 + 4(aggregation) 총 20개의 conv layer를 가진다.
HDA를 종합해보자면 같은 계층 또는 Tree안에서 기존의 resnet과 달리 2개의 block마자 계층적인 aggregation이 이러난다. 하나의 Tree를 크게 보자면 뒤쪽일수록 more complex한 feature를 학습할 것이고 이를 보다 low한 앞쪽의 feature map과 합쳐주는 개념이다. 말 그대로 동일 Tree내에서 계층적인 aggregation을 하는 것이다. 물론 이 aggreation에는 앞서 말했듯이, concatenation을 사용한다.
IDA(Iterative Deep Aggregation) detail
위의 figure3를 다시 보자. IDA는 노란 선으로 표현되어있다. 보면 노란선이 이어지는 하단의 conv block(흰 박스)들을 보면 중간에 down sampling이 일어난다. 논문에서도 언급된 다양한 resolution의 aggregation이란 이 것을 의미한다. down sampling은 receptive field를 크게 넓히면서 복잡한 feature를 학습하는데 도움을 주지만, 해상도가 작아지기 때문에 spatial information의 손실이 크다. 이를 보완하기위해 IDA를 사용하는 것이다. 단순한 노란선으로 연결되어있지만 해상도를 맞추기 위해 maxpooling을 사용하여 aggregation의 입력으로 들어간다. 즉 다른 feature map들과 함께 concat+ 1x1 conv를 하는 것이다.
위 표를 보자
모든 DLA모델에대해 간략하게 나타낸 것이다. 모든 DLA는 6개의 stage로 구분했다.
stage 1,2 에서는 그냥 숫자가 적혀 있는데 이것은 그냥 conv layer 1개를 의미한다. 그리고 "-" 로 이어진 수는 HDA level - channel수 이다.
예를 들어, DLA-34의 stage3에는 1-64가 적혀있다. 이것은 HDA level1 + 64 channel이란 소리다.
사실 stage1과 stage2는 표대로만 보면 2개의 conv layer로 이루어진것처럼 보이지만 실제로는 input layer를 포함해서 총 3개의 conv layer이다.
DLA34를 보자 34개의 conv layer가 있단 소리다.
stage1 + stage2 : 3개
stage3, HDA level1 : 5개 (위에 설명함)
stage4, HDA level2 : 10개
stage5, HDA level2 : 10개
stage6, HDA level1개 5개 총 33개 + classifier에 1x1 conv1개 = 총 34개의 conv layer로 구성되어있다. 물론 중간에 max pool, bn, relu는 당연히 있다.
아 귀찮지만 공부 용도 이니 나중에 잘 기억하기 위해 DLA46까지만 보자면
stage1,2(3개) + stage3(7개 why? bottleneck이니까) + stage4(14개) +stage5(14개) +stage6(7개) + classifier(1개)= 46이다.
C가 붙은건 보다시피 channel 수가 다른 모델에 비해 적다. compact 버전이다.
X가 붙은건 resnext 모델의 group conv를 사용한 것이다.
X+C는 당연히 compact + group conv 를 의미한다.
DLA Segmentation
하.. 이건 나중에 쓸래 넘 힘들다 리뷰