当前位置：首页 > news >正文

【第五章:计算机视觉-项目实战之图像分类实战】1.经典卷积神经网络模型Backbone与图像-(4)经典卷积神经网络ResNet的架构讲解

news 2025/9/16 7:31:30

第五章：计算机视觉（Computer Vision）-项目实战之图像分类实战

第一部分：经典卷积神经网络模型 Backbone 与图像

第四节：经典卷积神经网络 ResNet 的架构讲解

1. 背景与动机

在 VGGNet 之后，卷积神经网络虽然加深了层数（达到 19 层以上），但也带来了 梯度消失与梯度爆炸 的问题，导致训练困难，效果甚至出现退化。
微软研究院在 2015 年提出了 ResNet（Residual Network），其核心贡献是引入了 残差学习机制（Residual Learning），大幅缓解了深层网络训练中的梯度问题。

ResNet 在 ImageNet 竞赛中取得了突破性的成绩，ResNet-152 以 152 层的深度赢得了冠军，并首次将 Top-5 错误率降低到 3.57%。

2. 核心思想：残差学习（Residual Learning）

ResNet 的关键在于 残差块（Residual Block），它通过 “跨层连接”（shortcut connection） 来实现输入与输出的直接相加：

H(x) = F(x) + x

其中：

x：输入
F(x)：通过卷积层、激活层等学习到的残差映射
H(x)：输出

这种设计允许网络学习 “残差”，即与输入的差异，而不是直接学习完整映射，降低了训练难度。

3. 残差块（Residual Block）结构

一个典型的残差块包含：

两个卷积层（通常为 3×3 卷积）
每个卷积层后接 Batch Normalization 和 ReLU 激活函数
Shortcut connection 将输入 x 直接加到输出上

示意图：

Input x│┌─▼─────────────────┐│  Conv → BN → ReLU ││  Conv → BN        │└─────────────▲─────┘│Identity (x)│Add (+)│ReLU

4. ResNet 的主要架构

根据网络深度不同，ResNet 有多个版本：ResNet-18、ResNet-34、ResNet-50、ResNet-101、ResNet-152。
其中：

ResNet-18 / ResNet-34 使用基本残差块（Basic Block）
ResNet-50 / ResNet-101 / ResNet-152 使用瓶颈残差块（Bottleneck Block），减少计算量

Bottleneck Block 结构：

1×1 卷积（降维）
3×3 卷积（特征提取）
1×1 卷积（升维）

这样能在保证表达能力的同时，显著减少参数和计算量。

5. ResNet 的创新与优势

解决退化问题：深度增加时不会再出现精度下降
极深网络可训练：层数可超过 100 层甚至 1000 层
迁移学习基础：ResNet 成为后续许多计算机视觉模型（如 Faster R-CNN、Mask R-CNN、YOLO、Vision Transformer 等）的 backbone
性能卓越：在图像分类、目标检测、语义分割等任务中表现优异

6. PyTorch 实现示例

import torch
import torch.nn as nn
import torch.nn.functional as F# 基本残差块 BasicBlock
class BasicBlock(nn.Module):expansion = 1def __init__(self, in_channels, out_channels, stride=1, downsample=None):super(BasicBlock, self).__init__()self.conv1 = nn.Conv2d(in_channels, out_channels, kernel_size=3, stride=stride,padding=1, bias=False)self.bn1 = nn.BatchNorm2d(out_channels)self.relu = nn.ReLU(inplace=True)self.conv2 = nn.Conv2d(out_channels, out_channels, kernel_size=3,stride=1, padding=1, bias=False)self.bn2 = nn.BatchNorm2d(out_channels)self.downsample = downsampledef forward(self, x):identity = xout = self.conv1(x)out = self.bn1(out)out = self.relu(out)out = self.conv2(out)out = self.bn2(out)if self.downsample is not None:identity = self.downsample(x)out += identityout = self.relu(out)return out# 构建 ResNet18
class ResNet(nn.Module):def __init__(self, block, layers, num_classes=1000):super(ResNet, self).__init__()self.in_channels = 64self.conv1 = nn.Conv2d(3, 64, kernel_size=7, stride=2, padding=3,bias=False)self.bn1 = nn.BatchNorm2d(64)self.relu = nn.ReLU(inplace=True)self.maxpool = nn.MaxPool2d(kernel_size=3, stride=2, padding=1)self.layer1 = self._make_layer(block, 64, layers[0])self.layer2 = self._make_layer(block, 128, layers[1], stride=2)self.layer3 = self._make_layer(block, 256, layers[2], stride=2)self.layer4 = self._make_layer(block, 512, layers[3], stride=2)self.avgpool = nn.AdaptiveAvgPool2d((1, 1))self.fc = nn.Linear(512 * block.expansion, num_classes)def _make_layer(self, block, out_channels, blocks, stride=1):downsample = Noneif stride != 1 or self.in_channels != out_channels * block.expansion:downsample = nn.Sequential(nn.Conv2d(self.in_channels, out_channels * block.expansion,kernel_size=1, stride=stride, bias=False),nn.BatchNorm2d(out_channels * block.expansion),)layers = []layers.append(block(self.in_channels, out_channels, stride, downsample))self.in_channels = out_channels * block.expansionfor _ in range(1, blocks):layers.append(block(self.in_channels, out_channels))return nn.Sequential(*layers)def forward(self, x):x = self.conv1(x)x = self.bn1(x)x = self.relu(x)x = self.maxpool(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)x = self.fc(x)return xdef ResNet18(num_classes=1000):return ResNet(BasicBlock, [2, 2, 2, 2], num_classes)# 测试
model = ResNet18(num_classes=10)
print(model)