🤵 Author ：Horizon Max
✨ 编程技巧篇：各种操作小结
🎇 机器视觉篇：会变魔术 OpenCV
💥 深度学习篇：简单入门 PyTorch
🏆 神经网络篇：经典网络模型
💻 算法篇：再忙也别忘了 LeetCode
[ 注意力机制 ] 经典网络模型3——ECA-Net 详解与复现
🚀 Efficient Channel Attention Module
Efficient Channel Attention Module 简称 ECA，2020年 Qilong Wang等人提出的一种 高效通道注意力(ECA)模块 ；
提出了一种 不降维的局部跨通道交互策略 ，有效避免了降维对于通道注意力学习效果的影响 ；
该模块只涉及少数几个 参数，但具有明显的 效果增益 ；
适当的 跨通道交互 可以在保持 性能 的同时 显著降低模型的复杂性 ；
![[ 注意力机制 ] 经典网络模型3——ECANet 详解与复现](https://img-blog.csdnimg.cn/69b902adfe414d12ab926083f5f81832.gif#pic_center)
🔗 论文地址：ECA-Net: Efficient Channel Attention for Deep Convolutional Neural Networks
🚀 ECA-Net 详解
🎨 背景知识
深度卷积神经网络(CNN)在计算机视觉领域得到了广泛的应用，在 图像分类、目标检测 和 语义分割 等方面取得了很大的进展 ；
从具有开创性的 AlexNet 提出以来，研究人员不断的探索提升 CNN 的性能 ；
近年来，SENet 将信息通道注意力引入卷积块引起了人们的极大兴趣，显示出极大的性能改进潜力；
后来研究通过捕获更复杂的 通道依赖性 或 结合额外的 空间注意 来改进SE块 ；
但随着模型 精度 越高，复杂度 越高，计算量 也随之增大 ，计算成本 高昂 ；
研究表明，SENet采用的 降维操作 会对通道注意力的预测产生 负面影响，且获取依赖关系效率低且不必要 ;
基于此，提出了一种针对CNN的高效通道注意力(ECA)模块，避免了降维，有效地实现了 跨通道交互 ；
特点：
（1）通过大小为 k 的快速一维卷积实现，其中核大小k表示 局部跨通道交互 的覆盖范围，即有多少领域参与了一个通道的注意预测 ；
（2）为了避免通过交叉验证手动调整 k，开发了一种 自适应方法 确定 k，其中跨通道交互的覆盖范围 (即核大小k) 与通道维度成比例 ；
🎨 论文贡献
（1）分析了SENet，并通过实证证明了 避免降维 和适当的 跨通道交互 对学习高效的通道注意力的重要性；
（2）开发了一种用于CNN的 极轻量级通道注意力模块 ，该模块对模型复杂度的增加很小，但改进明显 ；
（3）在ImageNet-1K和MS COCO上的实验结果表明，ECANet 在获得极具竞争力的性能的同时，具有 较低的模型复杂度 ；
🎨 ECA Module
注意力模块的开发 大致可以分为两个方向：
（1）增强特征聚合；
（2）通道与空间注意的结合 ；
🚩 ECA-Net 推理过程
对于不降维的聚合特征 y ∈ RC，可以学习通道注意 ：
W 为 C x C 的参数矩阵 ；
Wvar2 是一个对角矩阵，包含C个参数 ；
Wvar3 是一个完整的矩阵，包含 C×C 的参数 ；
关键的区别在于：SE-var3考虑了跨通道交互，而SE-var2没有考虑，因此SE-V ar3的性能更好 ；
在 ECA-Net 中，探索了另一种获取 局部跨通道交互 的方法，以保证效率和有效性，使用一个 波段矩阵Wk 来学习通道注意力：
其中，C1D 表示一维卷积 ；
总体来说：
ECA模块使用不降维的GAP聚合卷积特征后，首先自适应确定核大小k，然后进行一维卷积，再进行 Sigmoid 函数学习 channel attention ；
🚩 ECA-Net 应用对比
最后，分别使用 ResNet 、ResNet+SENet 、ResNet+CBAM 、 ResNet+ECANet 进行实验得到 模型参数量-准确率 结果 ：
实验表明 ECANet 性能超越了 SENet 和 CBAM
🚀 ECA-Net 复现
这里实现的是 ECA-ResNet 系列网络 ：
# Here is the code ：
import torch
import torch.nn as nn
import torch.nn.functional as F
from torchinfo import summary
import math
class EfficientChannelAttention(nn.Module): # Efficient Channel Attention module
def __init__(self, c, b=1, gamma=2):
super(EfficientChannelAttention, self).__init__()
t = int(abs((math.log(c, 2) + b) / gamma))
k = t if t % 2 else t + 1
self.avg_pool = nn.AdaptiveAvgPool2d(1)
self.conv1 = nn.Conv1d(1, 1, kernel_size=k, padding=int(k/2), bias=False)
self.sigmoid = nn.Sigmoid()
def forward(self, x):
x = self.avg_pool(x)
x = self.conv1(x.squeeze(-1).transpose(-1, -2)).transpose(-1, -2).unsqueeze(-1)
out = self.sigmoid(x)
return out
class BasicBlock(nn.Module): # 左侧的 residual block 结构（18-layer、34-layer）
expansion = 1
def __init__(self, in_planes, planes, stride=1): # 两层卷积 Conv2d + Shutcuts
super(BasicBlock, self).__init__()
self.conv1 = nn.Conv2d(in_planes, planes, kernel_size=3,
stride=stride, padding=1, bias=False)
self.bn1 = nn.BatchNorm2d(planes)
self.conv2 = nn.Conv2d(planes, planes, kernel_size=3,
stride=1, padding=1, bias=False)
self.bn2 = nn.BatchNorm2d(planes)
self.channel = EfficientChannelAttention(planes) # Efficient Channel Attention module
self.shortcut = nn.Sequential()
if stride != 1 or in_planes != self.expansion*planes: # Shutcuts用于构建 Conv Block 和 Identity Block
self.shortcut = nn.Sequential(
nn.Conv2d(in_planes, self.expansion*planes,
kernel_size=1, stride=stride, bias=False),
nn.BatchNorm2d(self.expansion*planes)
)
def forward(self, x):
out = F.relu(self.bn1(self.conv1(x)))
out = self.bn2(self.conv2(out))
ECA_out = self.channel(out)
out = out * ECA_out
out += self.shortcut(x)
out = F.relu(out)
return out
class Bottleneck(nn.Module): # 右侧的 residual block 结构（50-layer、101-layer、152-layer）
expansion = 4
def __init__(self, in_planes, planes, stride=1): # 三层卷积 Conv2d + Shutcuts
super(Bottleneck, self).__init__()
self.conv1 = nn.Conv2d(in_planes, planes, kernel_size=1, bias=False)
self.bn1 = nn.BatchNorm2d(planes)
self.conv2 = nn.Conv2d(planes, planes, kernel_size=3,
stride=stride, padding=1, bias=False)
self.bn2 = nn.BatchNorm2d(planes)
self.conv3 = nn.Conv2d(planes, self.expansion*planes,
kernel_size=1, bias=False)
self.bn3 = nn.BatchNorm2d(self.expansion*planes)
self.channel = EfficientChannelAttention(self.expansion*planes) # Efficient Channel Attention module
self.shortcut = nn.Sequential()
if stride != 1 or in_planes != self.expansion*planes: # Shutcuts用于构建 Conv Block 和 Identity Block
self.shortcut = nn.Sequential(
nn.Conv2d(in_planes, self.expansion*planes,
kernel_size=1, stride=stride, bias=False),
nn.BatchNorm2d(self.expansion*planes)
)
def forward(self, x):
out = F.relu(self.bn1(self.conv1(x)))
out = F.relu(self.bn2(self.conv2(out)))
out = self.bn3(self.conv3(out))
ECA_out = self.channel(out)
out = out * ECA_out
out += self.shortcut(x)
out = F.relu(out)
return out
class ECA_ResNet(nn.Module):
def __init__(self, block, num_blocks, num_classes=1000):
super(ECA_ResNet, self).__init__()
self.in_planes = 64
self.conv1 = nn.Conv2d(3, 64, kernel_size=3,
stride=1, padding=1, bias=False) # conv1
self.bn1 = nn.BatchNorm2d(64)
self.layer1 = self._make_layer(block, 64, num_blocks[0], stride=1) # conv2_x
self.layer2 = self._make_layer(block, 128, num_blocks[1], stride=2) # conv3_x
self.layer3 = self._make_layer(block, 256, num_blocks[2], stride=2) # conv4_x
self.layer4 = self._make_layer(block, 512, num_blocks[3], stride=2) # conv5_x
self.avgpool = nn.AdaptiveAvgPool2d((1, 1))
self.linear = nn.Linear(512 * block.expansion, num_classes)
def _make_layer(self, block, planes, num_blocks, stride):
strides = [stride] + [1]*(num_blocks-1)
layers = []
for stride in strides:
layers.append(block(self.in_planes, planes, stride))
self.in_planes = planes * block.expansion
return nn.Sequential(*layers)
def forward(self, x):
x = F.relu(self.bn1(self.conv1(x)))
x = self.layer1(x)
x = self.layer2(x)
x = self.layer3(x)
x = self.layer4(x)
x = self.avgpool(x)
x = torch.flatten(x, 1)
out = self.linear(x)
return out
def ECA_ResNet18():
return ECA_ResNet(BasicBlock, [2, 2, 2, 2])
def ECA_ResNet34():
return ECA_ResNet(BasicBlock, [3, 4, 6, 3])
def ECA_ResNet50():
return ECA_ResNet(Bottleneck, [3, 4, 6, 3])
def ECA_ResNet101():
return ECA_ResNet(Bottleneck, [3, 4, 23, 3])
def ECA_ResNet152():
return ECA_ResNet(Bottleneck, [3, 8, 36, 3])
def test():
net = ECA_ResNet50()
y = net(torch.randn(1, 3, 224, 224))
print(y.size())
summary(net, (1, 3, 224, 224))
if __name__ == '__main__':
test()
输出结果：
torch.Size([1, 1000])
====================================================================================================
Layer (type:depth-idx) Output Shape Param #
====================================================================================================
ECA_ResNet -- --
├─Conv2d: 1-1 [1, 64, 224, 224] 1,728
├─BatchNorm2d: 1-2 [1, 64, 224, 224] 128
├─Sequential: 1-3 [1, 256, 224, 224] --
│ └─Bottleneck: 2-1 [1, 256, 224, 224] --
│ │ └─Conv2d: 3-1 [1, 64, 224, 224] 4,096
│ │ └─BatchNorm2d: 3-2 [1, 64, 224, 224] 128
│ │ └─Conv2d: 3-3 [1, 64, 224, 224] 36,864
│ │ └─BatchNorm2d: 3-4 [1, 64, 224, 224] 128
│ │ └─Conv2d: 3-5 [1, 256, 224, 224] 16,384
│ │ └─BatchNorm2d: 3-6 [1, 256, 224, 224] 512
│ │ └─EfficientChannelAttention: 3-7 [1, 256, 1, 1] 5
│ │ └─Sequential: 3-8 [1, 256, 224, 224] 16,896
│ └─Bottleneck: 2-2 [1, 256, 224, 224] --
│ │ └─Conv2d: 3-9 [1, 64, 224, 224] 16,384
│ │ └─BatchNorm2d: 3-10 [1, 64, 224, 224] 128
│ │ └─Conv2d: 3-11 [1, 64, 224, 224] 36,864
│ │ └─BatchNorm2d: 3-12 [1, 64, 224, 224] 128
│ │ └─Conv2d: 3-13 [1, 256, 224, 224] 16,384
│ │ └─BatchNorm2d: 3-14 [1, 256, 224, 224] 512
│ │ └─EfficientChannelAttention: 3-15 [1, 256, 1, 1] 5
│ │ └─Sequential: 3-16 [1, 256, 224, 224] --
│ └─Bottleneck: 2-3 [1, 256, 224, 224] --
│ │ └─Conv2d: 3-17 [1, 64, 224, 224] 16,384
│ │ └─BatchNorm2d: 3-18 [1, 64, 224, 224] 128
│ │ └─Conv2d: 3-19 [1, 64, 224, 224] 36,864
│ │ └─BatchNorm2d: 3-20 [1, 64, 224, 224] 128
│ │ └─Conv2d: 3-21 [1, 256, 224, 224] 16,384
│ │ └─BatchNorm2d: 3-22 [1, 256, 224, 224] 512
│ │ └─EfficientChannelAttention: 3-23 [1, 256, 1, 1] 5
│ │ └─Sequential: 3-24 [1, 256, 224, 224] --
├─Sequential: 1-4 [1, 512, 112, 112] --
│ └─Bottleneck: 2-4 [1, 512, 112, 112] --
│ │ └─Conv2d: 3-25 [1, 128, 224, 224] 32,768
│ │ └─BatchNorm2d: 3-26 [1, 128, 224, 224] 256
│ │ └─Conv2d: 3-27 [1, 128, 112, 112] 147,456
│ │ └─BatchNorm2d: 3-28 [1, 128, 112, 112] 256
│ │ └─Conv2d: 3-29 [1, 512, 112, 112] 65,536
│ │ └─BatchNorm2d: 3-30 [1, 512, 112, 112] 1,024
│ │ └─EfficientChannelAttention: 3-31 [1, 512, 1, 1] 5
│ │ └─Sequential: 3-32 [1, 512, 112, 112] 132,096
│ └─Bottleneck: 2-5 [1, 512, 112, 112] --
│ │ └─Conv2d: 3-33 [1, 128, 112, 112] 65,536
│ │ └─BatchNorm2d: 3-34 [1, 128, 112, 112] 256
│ │ └─Conv2d: 3-35 [1, 128, 112, 112] 147,456
│ │ └─BatchNorm2d: 3-36 [1, 128, 112, 112] 256
│ │ └─Conv2d: 3-37 [1, 512, 112, 112] 65,536
│ │ └─BatchNorm2d: 3-38 [1, 512, 112, 112] 1,024
│ │ └─EfficientChannelAttention: 3-39 [1, 512, 1, 1] 5
│ │ └─Sequential: 3-40 [1, 512, 112, 112] --
│ └─Bottleneck: 2-6 [1, 512, 112, 112] --
│ │ └─Conv2d: 3-41 [1, 128, 112, 112] 65,536
│ │ └─BatchNorm2d: 3-42 [1, 128, 112, 112] 256
│ │ └─Conv2d: 3-43 [1, 128, 112, 112] 147,456
│ │ └─BatchNorm2d: 3-44 [1, 128, 112, 112] 256
│ │ └─Conv2d: 3-45 [1, 512, 112, 112] 65,536
│ │ └─BatchNorm2d: 3-46 [1, 512, 112, 112] 1,024
│ │ └─EfficientChannelAttention: 3-47 [1, 512, 1, 1] 5
│ │ └─Sequential: 3-48 [1, 512, 112, 112] --
│ └─Bottleneck: 2-7 [1, 512, 112, 112] --
│ │ └─Conv2d: 3-49 [1, 128, 112, 112] 65,536
│ │ └─BatchNorm2d: 3-50 [1, 128, 112, 112] 256
│ │ └─Conv2d: 3-51 [1, 128, 112, 112] 147,456
│ │ └─BatchNorm2d: 3-52 [1, 128, 112, 112] 256
│ │ └─Conv2d: 3-53 [1, 512, 112, 112] 65,536
│ │ └─BatchNorm2d: 3-54 [1, 512, 112, 112] 1,024
│ │ └─EfficientChannelAttention: 3-55 [1, 512, 1, 1] 5
│ │ └─Sequential: 3-56 [1, 512, 112, 112] --
├─Sequential: 1-5 [1, 1024, 56, 56] --
│ └─Bottleneck: 2-8 [1, 1024, 56, 56] --
│ │ └─Conv2d: 3-57 [1, 256, 112, 112] 131,072
│ │ └─BatchNorm2d: 3-58 [1, 256, 112, 112] 512
│ │ └─Conv2d: 3-59 [1, 256, 56, 56] 589,824
│ │ └─BatchNorm2d: 3-60 [1, 256, 56, 56] 512
│ │ └─Conv2d: 3-61 [1, 1024, 56, 56] 262,144
│ │ └─BatchNorm2d: 3-62 [1, 1024, 56, 56] 2,048
│ │ └─EfficientChannelAttention: 3-63 [1, 1024, 1, 1] 5
│ │ └─Sequential: 3-64 [1, 1024, 56, 56] 526,336
│ └─Bottleneck: 2-9 [1, 1024, 56, 56] --
│ │ └─Conv2d: 3-65 [1, 256, 56, 56] 262,144
│ │ └─BatchNorm2d: 3-66 [1, 256, 56, 56] 512
│ │ └─Conv2d: 3-67 [1, 256, 56, 56] 589,824
│ │ └─BatchNorm2d: 3-68 [1, 256, 56, 56] 512
│ │ └─Conv2d: 3-69 [1, 1024, 56, 56] 262,144
│ │ └─BatchNorm2d: 3-70 [1, 1024, 56, 56] 2,048
│ │ └─EfficientChannelAttention: 3-71 [1, 1024, 1, 1] 5
│ │ └─Sequential: 3-72 [1, 1024, 56, 56] --
│ └─Bottleneck: 2-10 [1, 1024, 56, 56] --
│ │ └─Conv2d: 3-73 [1, 256, 56, 56] 262,144
│ │ └─BatchNorm2d: 3-74 [1, 256, 56, 56] 512
│ │ └─Conv2d: 3-75 [1, 256, 56, 56] 589,824
│ │ └─BatchNorm2d: 3-76 [1, 256, 56, 56] 512
│ │ └─Conv2d: 3-77 [1, 1024, 56, 56] 262,144
│ │ └─BatchNorm2d: 3-78 [1, 1024, 56, 56] 2,048
│ │ └─EfficientChannelAttention: 3-79 [1, 1024, 1, 1] 5
│ │ └─Sequential: 3-80 [1, 1024, 56, 56] --
│ └─Bottleneck: 2-11 [1, 1024, 56, 56] --
│ │ └─Conv2d: 3-81 [1, 256, 56, 56] 262,144
│ │ └─BatchNorm2d: 3-82 [1, 256, 56, 56] 512
│ │ └─Conv2d: 3-83 [1, 256, 56, 56] 589,824
│ │ └─BatchNorm2d: 3-84 [1, 256, 56, 56] 512
│ │ └─Conv2d: 3-85 [1, 1024, 56, 56] 262,144
│ │ └─BatchNorm2d: 3-86 [1, 1024, 56, 56] 2,048
│ │ └─EfficientChannelAttention: 3-87 [1, 1024, 1, 1] 5
│ │ └─Sequential: 3-88 [1, 1024, 56, 56] --
│ └─Bottleneck: 2-12 [1, 1024, 56, 56] --
│ │ └─Conv2d: 3-89 [1, 256, 56, 56] 262,144
│ │ └─BatchNorm2d: 3-90 [1, 256, 56, 56] 512
│ │ └─Conv2d: 3-91 [1, 256, 56, 56] 589,824
│ │ └─BatchNorm2d: 3-92 [1, 256, 56, 56] 512
│ │ └─Conv2d: 3-93 [1, 1024, 56, 56] 262,144
│ │ └─BatchNorm2d: 3-94 [1, 1024, 56, 56] 2,048
│ │ └─EfficientChannelAttention: 3-95 [1, 1024, 1, 1] 5
│ │ └─Sequential: 3-96 [1, 1024, 56, 56] --
│ └─Bottleneck: 2-13 [1, 1024, 56, 56] --
│ │ └─Conv2d: 3-97 [1, 256, 56, 56] 262,144
│ │ └─BatchNorm2d: 3-98 [1, 256, 56, 56] 512
│ │ └─Conv2d: 3-99 [1, 256, 56, 56] 589,824
│ │ └─BatchNorm2d: 3-100 [1, 256, 56, 56] 512
│ │ └─Conv2d: 3-101 [1, 1024, 56, 56] 262,144
│ │ └─BatchNorm2d: 3-102 [1, 1024, 56, 56] 2,048
│ │ └─EfficientChannelAttention: 3-103 [1, 1024, 1, 1] 5
│ │ └─Sequential: 3-104 [1, 1024, 56, 56] --
├─Sequential: 1-6 [1, 2048, 28, 28] --
│ └─Bottleneck: 2-14 [1, 2048, 28, 28] --
│ │ └─Conv2d: 3-105 [1, 512, 56, 56] 524,288
│ │ └─BatchNorm2d: 3-106 [1, 512, 56, 56] 1,024
│ │ └─Conv2d: 3-107 [1, 512, 28, 28] 2,359,296
│ │ └─BatchNorm2d: 3-108 [1, 512, 28, 28] 1,024
│ │ └─Conv2d: 3-109 [1, 2048, 28, 28] 1,048,576
│ │ └─BatchNorm2d: 3-110 [1, 2048, 28, 28] 4,096
│ │ └─EfficientChannelAttention: 3-111 [1, 2048, 1, 1] 7
│ │ └─Sequential: 3-112 [1, 2048, 28, 28] 2,101,248
│ └─Bottleneck: 2-15 [1, 2048, 28, 28] --
│ │ └─Conv2d: 3-113 [1, 512, 28, 28] 1,048,576
│ │ └─BatchNorm2d: 3-114 [1, 512, 28, 28] 1,024
│ │ └─Conv2d: 3-115 [1, 512, 28, 28] 2,359,296
│ │ └─BatchNorm2d: 3-116 [1, 512, 28, 28] 1,024
│ │ └─Conv2d: 3-117 [1, 2048, 28, 28] 1,048,576
│ │ └─BatchNorm2d: 3-118 [1, 2048, 28, 28] 4,096
│ │ └─EfficientChannelAttention: 3-119 [1, 2048, 1, 1] 7
│ │ └─Sequential: 3-120 [1, 2048, 28, 28] --
│ └─Bottleneck: 2-16 [1, 2048, 28, 28] --
│ │ └─Conv2d: 3-121 [1, 512, 28, 28] 1,048,576
│ │ └─BatchNorm2d: 3-122 [1, 512, 28, 28] 1,024
│ │ └─Conv2d: 3-123 [1, 512, 28, 28] 2,359,296
│ │ └─BatchNorm2d: 3-124 [1, 512, 28, 28] 1,024
│ │ └─Conv2d: 3-125 [1, 2048, 28, 28] 1,048,576
│ │ └─BatchNorm2d: 3-126 [1, 2048, 28, 28] 4,096
│ │ └─EfficientChannelAttention: 3-127 [1, 2048, 1, 1] 7
│ │ └─Sequential: 3-128 [1, 2048, 28, 28] --
├─AdaptiveAvgPool2d: 1-7 [1, 2048, 1, 1] --
├─Linear: 1-8 [1, 1000] 2,049,000
====================================================================================================
Total params: 25,549,438
Trainable params: 25,549,438
Non-trainable params: 0
Total mult-adds (G): 63.59
====================================================================================================
Input size (MB): 0.60
Forward/backward pass size (MB): 2691.17
Params size (MB): 102.20
Estimated Total Size (MB): 2793.97
====================================================================================================
文章出处登录后可见！
已经登录？立即刷新
