阅读笔记- MetaFormer Baseline for Vision

源码地址:https://github.com/sail-sg/metaformer

image.png

1. 动机&贡献

为什么transformer能够在vision上取得好的效果?其核心在于MetaFormer的结构,那么本文在这个认知的基础上去探索了MetaFormer结构的下限。 在MetaFormer结构上使用了两个很普通的token mixer 均取得了很棒的分类效果。

本文的一些结论如下:

  • MetaFormer结构保证了其模型的下限,即将mixer 换成了identityFormer,其在ImageNet-1K上的top-1 acc依然达到80.4%;
  • MetaFormer结构中使用任何token mixer均能拿到不错的结果。直接使用RandFormer,即随机生成的加权矩阵,在ImageNet-1K的top-1 acc达到81.4%
  • MetaFormer结构能够很容易达到SOTA的效果。这里作者给了两种mixer的形式
    • ConvFormer, 使用MobileNet中的depthwise conv block,就能够超越ConvNeXt
    • CAFormer,将ConvFormer的后两个stage的token mixer换成标准的self-attention,就能刷新目前ImageNet-1K top-1的性能;

2. 方法

2.1 MetaFormer

X' = X + TokenMixer(Norm_1(X)), \\ X'' = X' + \sigma(Norm_2(X')W_1)W_2
其中第2个式子就是带有skip-connection的FFN结构,第1个式子就是attention的结构,注意这里均采用的pre-norm的形式。

2.2 探索的4种MetaFormer结构

  1. IdentityFormer
    IdentityMapping(X) = X
    即直接连接,不进行spatial的融合。
  2. RandFormer
    RandomMixing(X) = XW_R
    其中W_R是随机初始化并进行freeze的矩阵
  3. ConvFormer
    Convolutions(X) = Conv_{pw_2} (Conv_{dw}(\sigma(Conv_{pw_1}(X))))
    其中 Conv_{pw_1}, Conv_{pw_2} 是pointwise 卷积,即逐点的FC层, Conv_{dw}是depthwise的卷积, \sigma是非线性激活函数,注意在depthwise卷积之后没有使用激活函数。
  4. CAFormer
    在ConvFormer的后两个stage换成全局attention。

四种tokenMixer的结构图如下
image.png

除此之外还有三个修改:

  • 激活函数: StarReLU, 能够大大降低FLOPs的同时达到GELU的性能,
    StarReLU(x) = s (ReLU(x)^2) + b
  • scaling branch output, skip-connection 连接处的连接方式, 包括LayerScale (\lambda_l)和ResScale (\lambda_r), 最终选择的是ResScale。
    X' = \lambda_r \cdot X + \lambda_l \cdot F(Norm(X))
  • Disabling biases, MetaFormers种卷积层,全连接层以及归一化层的bias都关闭,并不影响指标,甚至还能有所改善。

3. 结论

  1. MetaFormer结构保证了模型结构的下限,但更好的tokenMixer能带来更高的性能;
  2. 激活函数可以均替换为 StarReLU, skip-connection可以模型ResScale,bias可以默认关闭;
  3. 思考:对于下游任务,应该更多的考虑什么样的结构能够保证指标,如果采用MetaFormer结构是不是有比cross attention更好的结构,或者说使用MetaFormer的结构替换以前的FPN结构能获得更好的性能
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 215,723评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,003评论 3 391
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 161,512评论 0 351
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,825评论 1 290
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,874评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,841评论 1 295
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,812评论 3 416
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,582评论 0 271
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,033评论 1 308
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,309评论 2 331
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,450评论 1 345
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,158评论 5 341
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,789评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,409评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,609评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,440评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,357评论 2 352

推荐阅读更多精彩内容