结构分析的三种模型(结构分析模型)

resnet迄今为止，仍然是最佳的backbone.resnet的全称为深度残差网络，DeepResidualNetwork在resnet的论文DeepResidualLe

resnet迄今为止，仍然是最佳的backbone.

resnet的全称为深度残差网络，Deep Residual Network

在resnet的论文Deep Residual Learning for Image Recognition中，作者给出了这样几个模型：resnet18,resnet34,resnet50,resnet101,resnet152.

这些模型，都是由使用残差模块residual block构成的，不然为什么叫做residual network 呢？

那么resnet中的残差模块residual block是怎样的呢？

其实resnet中有两种残差模块：basic residual block 和 和 bottleneck residual block，如下图所示：

左边为basic residual block,右边为bottleneck residual block。

在resnet18,resnet34中，使用的是左边的basic residual block

在resnet50,resnet101,resnet152中使用的是右边的bottleneck residual block.

上一篇文章中我们详细介绍了resnet18的计算过程。

这篇文章主要详细介绍resnet50的计算过程。

如论文中的 Table-1所示，resnet50的模型结构是表中的第5列。

给一张224x224x3的图片img，我们输入到resnet50模型，看看它是如何得到模型输出的。

我们先把图片矩阵变换为：3x224x224

3x224x224的img

经过kernel_size=7,in_channel=3,output_channel=64,stride=2,padding=3的same卷积，bn,relu得到64x112x112的feature map

接着经过kernel_size=3,stride=2的map pooling,得到64x56x56的feature map: F4

接着就开始经过（3+4+6+3=16）16个bottleneck residual block。这16个bottleneck residual block中，前3个的3×3卷积的channel数为64，接着的4个bottlneck residual block中的3×3卷积的channel数为128，接着的6个bottleneck residual block中的3×3卷积的channel数为256，最后4个bottleneck residual block中的 3×3卷积的channel数为512。

得到F4后，将其输入到bottleneck residual block中，得到256x56x56的feature map：F5

从F4到F5的计算过程，就是bottleneck residual block中的计算过程，详细如下：

F4经过kernel size = 1,in_channel=64,out_channel=64,stride=1的卷积，bn,relu,得到64x56x56的feature map.

接着经过一个kernel size=3,in_channel=64,out_channel=64的卷积，bn,relu,得到64x56x56的feature map.

接着经过一个kernel size=3,in_channel=64,out_channel=256的卷积，bn得到256x56x56的feature map:F4_1

将F4经过一个kernel size=1,in_channel=64,out_channel=256,stride=1的卷积，bn得到256x56x56的feature map:F4_2

F4_1+F4_2后，再经过激活函数relu得到256x56x56 的 F5

这就是一个典型的经典的bottleneck residual block的计算过程。
这里面有一个细节要注意：当F4和F4_1的维度不相等时，我们就用一个1×1的卷积，将F4进行维度变换得到F4_2. 保证F4_2在feature map 的size和channel都与F4_1相等时，再将F4_1+F4_2，再经过relu得到F5

如果F4和F4_1在size 和 维度都相等时，F4_2=F4,然后进行 F4_1+F4_2,经过relu得到 F5.

从64x56x56的F4到256x56x56的F5,就是我们16个bottleneck residual block的第1个block.

F5经过第2个bottleneck residual block得到256x56x56 的 F6,

详细过程：

F5经过kernel size = 1,in_channel=256,out_channel=64,stride=1的卷积，bn,relu,得到64x56x56的feature map.

接着经过一个kernel size=3,in_channel=64,out_channel=64的卷积，bn,relu,得到64x56x56的feature map.

接着经过一个kernel size=3,in_channel=64,out_channel=256的卷积，bn得到256x56x56的feature map:F5_1

F5_1+F5后，再经过激活函数relu得到256x56x56 的 F6

这一步我们没有对F5进行维度变换得到F5_2,因为F5与F5_1维度相同，可以直接相加

这是我们16个 bottleneck residual block中的第2个block.

F6经过第3个 bottleneck residual block，得到256x56x56 的 F7

详细过程：

F6经过kernel size = 1,in_channel=256,out_channel=64,stride=1的卷积，bn,relu,得到64x56x56的feature map.

接着经过一个kernel size=3,in_channel=64,out_channel=64的卷积，bn,relu,得到64x56x56的feature map.

接着经过一个kernel size=3,in_channel=64,out_channel=256的卷积，bn得到256x56x56的feature map:F6_1

F6_1+F6后，再经过激活函数relu得到256x56x56 的 F7

注意到，前3个bottleneck residula block中的3×3的卷积的in_channel=out_channel=64,由于这3个 bottleneck residula block中3×3卷积的channel数是一样的，我们通常把他们3个 block合称为resnet50的block1，或者conv2_x,或者layer1.

F7经过第4个bottleneck residual block, 得到512x28x28 的 F8

详细如下：

F7经过kernel size = 1,in_channel=256,out_channel=128，stride=2的卷积，bn,relu,得到128x28x28的feature map.

接着经过一个kernel size=3,in_channel=128,out_channel=128的卷积，bn,relu,得到128x28x28的feature map.

接着经过一个kernel size=1,in_channel=128,out_channel=512的卷积，bn得到512x28x28的feature map:F7_1

将F7经过一个kernel size=1,in_channel_256,out_channel=512,stride=2的卷积，bn得到512x28x28的feature map:F7_2

F7_1+F7_2后，再经过激活函数relu得到512x28x28的feature map F8

F8经过第5个bottleneck residual block, 得到512x28x28的F9

详细如下：

F8经过kernel size = 1,in_channel=512,out_channel=128，stride=1的卷积，bn,relu,得到128x28x28的feature map.

接着经过一个kernel size=3,in_channel=128,out_channel=128的卷积，bn,relu,得到128x28x28的feature map.

接着经过一个kernel size=1,in_channel=128,out_channel=512的卷积，bn得到512x28x28的feature map:F8_1

F8_1+F8后，再经过激活函数relu得到512x28x28的 feature map F9

F9经过第6个bottleneck residual block, 得到512x28x28的F10

详细如下：

F9经过kernel size = 1,in_channel=512,out_channel=128，stride=1的卷积，bn,relu,得到128x28x28的feature map.

接着经过一个kernel size=3,in_channel=128,out_channel=128的卷积，bn,relu,得到128x28x28的feature map.

接着经过一个kernel size=1,in_channel=128,out_channel=512的卷积，bn得到512x28x28的feature map:F9_1

F9_1+F9后，再经过激活函数relu得到512x28x28的 feature map F10

F10经过第7个bottleneck residual block, 得到512x28x28的F11

详细如下：

F10经过kernel size = 1,in_channel=512,out_channel=128，stride=1的卷积，bn,relu,得到128x28x28的feature map.

接着经过一个kernel size=3,in_channel=128,out_channel=128的卷积，bn,relu,得到128x28x28的feature map.

接着经过一个kernel size=1,in_channel=128,out_channel=512的卷积，bn得到512x28x28的feature map:F8_1

F10_1+F10后，再经过激活函数relu得到512x28x28的 feature map F11

注意到，这4个bottleneck residula block中的3×3的卷积的in_channel=out_channel=128,由于这3个 bottleneck residula block中3×3卷积的channel数是一样的，我们通常把他们3个 block合称为resnet50的block2，或者conv3_x,或者layer2.

F11经过第8个bottleneck residual block, 得到1024x14x14的F12

详细如下：

F11经过kernel size = 1,in_channel=512,out_channel=256,stride=2的卷积，bn,relu,得到256x14x14的feature map.

接着经过一个kernel size=3,in_channel=256,out_channel=256的卷积，bn,relu,得到256x14x14的feature map.

接着经过一个kernel size=1,in_channel=256,out_channel=1024的卷积，bn得到1024x14x14的feature map:F11_1

将F11经过一个kernel size=1,in_channel=512,out_channel=1024,stride=2的卷积，bn得到1024x14x14的feature map:F11_2

F11_1+F11_2后，再经过激活函数relu得到1024x14x14的F12

F12经过第9个bottleneck residual block, 得到1024x14x14的F13

详细如下：

F12经过kernel size = 1,in_channel=1024,out_channel=256,stride=1的卷积，bn,relu,得到256x14x14的feature map.

接着经过一个kernel size=3,in_channel=256,out_channel=256的卷积，bn,relu,得到256x14x14的feature map.

接着经过一个kernel size=1,in_channel=256,out_channel=1024的卷积，bn得到1024x14x14的feature map:F12_1

F12_1+F12后，再经过激活函数relu得到1024x14x14的F13

F13经过第10个bottleneck residual block, 得到1024x14x14的F14

详细如下：

F13经过kernel size = 1,in_channel=1024,out_channel=256,stride=1的卷积，bn,relu,得到256x14x14的feature map.

接着经过一个kernel size=3,in_channel=256,out_channel=256的卷积，bn,relu,得到256x14x14的feature map.

接着经过一个kernel size=1,in_channel=256,out_channel=1024的卷积，bn得到1024x14x14的feature map:F13_1

F13_1+F13后，再经过激活函数relu得到1024x14x14的F14

F14经过第11个bottleneck residual block, 得到1024x14x14的F15

详细如下：

F14经过kernel size = 1,in_channel=1024,out_channel=256,stride=1的卷积，bn,relu,得到256x14x14的feature map.

接着经过一个kernel size=3,in_channel=256,out_channel=256的卷积，bn,relu,得到256x14x14的feature map.

接着经过一个kernel size=1,in_channel=256,out_channel=1024的卷积，bn得到1024x14x14的feature map:F14_1

F14_1+F14后，再经过激活函数relu得到1024x14x14的F15

F15经过第12个bottleneck residual block, 得到1024x14x14的F16

详细如下：

F15经过kernel size = 1,in_channel=1024,out_channel=256,stride=1的卷积，bn,relu,得到256x14x14的feature map.

接着经过一个kernel size=3,in_channel=256,out_channel=256的卷积，bn,relu,得到256x14x14的feature map.

接着经过一个kernel size=1,in_channel=256,out_channel=1024的卷积，bn得到1024x14x14的feature map:F15_1

F15_1+F15后，再经过激活函数relu得到1024x14x14的F16

F16经过第13个bottleneck residual block, 得到1024x14x14的F17

详细如下：

F16经过kernel size = 1,in_channel=1024,out_channel=256,stride=1的卷积，bn,relu,得到256x14x14的feature map.

接着经过一个kernel size=3,in_channel=256,out_channel=256的卷积，bn,relu,得到256x14x14的feature map.

接着经过一个kernel size=1,in_channel=256,out_channel=1024的卷积，bn得到1024x14x14的feature map:F11_1

F16_1+F16后，再经过激活函数relu得到1024x14x14的F17

注意到，这6个bottleneck residula block中的3×3的卷积的in_channel=out_channel=256,由于这3个 bottleneck residula block中3×3卷积的channel数是一样的，我们通常把他们3个 block合称为resnet50的block3，或者conv4_x,或者layer3.

F17经过第14个bottleneck residual block, 得到2048x7x7的F18

详细如下：

F17经过kernel size = 1,in_channel=1024,out_channel=512，stride=2的卷积，bn,relu,得到512x7x7的feature map.

接着经过一个kernel size=3,in_channel=512,out_channel=512的卷积，bn,relu,得到512x7x7的feature map.

接着经过一个kernel size=1,in_channel=512,out_channel=2048的卷积，bn得到512x7x7的feature map:F17_1

将F17经过一个kernel size=1,in_channel=1024,out_channel=2048,stride=2的卷积，bn得到2048x7x7的feature map:F17_2

F17_1+F17_2后，再经过激活函数relu得到2048x7x7的F18

F18经过第15个bottleneck residual block, 得到2048x7x7的F19

详细如下：

F18经过kernel size = 1,in_channel=2048,out_channel=512，stride=1的卷积，bn,relu,得到512x7x7的feature map.

接着经过一个kernel size=3,in_channel=512,out_channel=512的卷积，bn,relu,得到512x7x7的feature map.

接着经过一个kernel size=1,in_channel=512,out_channel=2048的卷积，bn得到512x7x7的feature map:F18_1

F18_1+F18后，再经过激活函数relu得到2048x7x7的F19

F19经过第16个bottleneck residual block, 得到2048x7x7的F20

详细如下：

F19经过kernel size = 1,in_channel=2048,out_channel=512，stride=1的卷积，bn,relu,得到512x7x7的feature map.

接着经过一个kernel size=3,in_channel=512,out_channel=512的卷积，bn,relu,得到512x7x7的feature map.

接着经过一个kernel size=1,in_channel=512,out_channel=2048的卷积，bn得到512x7x7的feature map:F19_1

F19_1+F19后，再经过激活函数relu得到2048x7x7的F20

注意到，16个中的最后这3个bottleneck residula block中的3×3的卷积的in_channel=out_channel=512,由于这3个 bottleneck residula block中3×3卷积的channel数是一样的，我们通常把他们3个 block合称为resnet50的block4，或者conv5_x,或者layer4.

1024x7x7的F20，经过average pool 得到1024x1x1 的F21

F21经过 1024×1000的fc ,再经过bn,softmax输出1000类的概率值。