atc:別再用平均池化層了！Meta AI把注意力塞到池化層，性能提升0.3

編輯：LRS

注意力機制這么好用，怎么不把它塞到卷積網絡里？最近MetaAI的研究人員提出了一個基于注意力的池化層，僅僅把平均池化層替換掉，就能獲得+0.3%的性能提升！

VisualTransformer作為計算機視覺領域的新興霸主，已經在各個研究任務中逐漸替換掉了卷積神經網絡CNN。

ViT與CNN之間存在著許多不同點，例如ViT的輸入是imagepatch，而非像素；分類任務中，ViT是通過對類標記進行決策等等。

classtoken實際上是ViT論文原作者提出，用于整合模型輸入信息的token。classtoken與每個patch進行信息交互后，模型就能了解到具體的分類信息。

并且在自注意力機制中，最后一層中的softmax可以作為注意力圖，根據classtoken和不同patch之間的交互程度，就能夠了解哪些patch對最終分類結果有影響及具體程度，也增加了模型可解釋性。

但這種可解釋性目前仍然是很弱的，因為patch和最后一層的softmax之間還隔著很多層和很多個header，信息之間的不斷融合后，很難搞清楚最后一層softmax是否真的可以解釋分類。

Alchemy Pay宣布正在Polygon zkEVM上部署其支付服務:9月5日消息，加密支付提供商 Alchemy Pay 官方宣布正在 Polygon zkEVM 上部署其支付服務，成為首批支持 zkEVM 生態系統的法幣加密貨幣入口提供商之一。[2023/9/5 13:19:03]

所以如果ViT和CNN一樣有視覺屬性就好了！

最近MetaAI就提出了一個新模型，用attentionmap來增強卷積神經網絡，說簡單點，其實就是用了一個基于注意力的層來取代常用的平均池化層。

仔細一想，池化層和attention好像確實很配啊，都是對輸入信息的加權平均進行整合。加入了注意力機制以后的池化層，可以明確地顯示出不同patch所占的權重。

并且與經典ViT相比，每個patch都會獲得一個單一的權重，無需考慮多層和多頭的影響，這樣就可以用一個簡單的方法達到對注意力可視化的目的了。

BinaryX：將從二級市場回購100萬枚BNX并加入游戲獎池，最終獎池金額已突破140萬枚BNX:2月28日消息，據官方消息，BinaryX 在官方社群針對Boss 站第二輪（51 級-52 級）Boss 血量顯示異常情況發文回應并致歉表示，BinaryX 團隊在收到反饋后及時進行了審核調查，發現其中一臺服務器在受到大量玩家請求后出現了判斷延遲，導致攻擊結果延遲顯示，對玩家體驗造成了不好的影響，BinaryX 將為本次事件承擔責任，且向所有社區玩家表達歉意。

為此，BinaryX 團隊將會從二級市場中回購 100 萬枚 BNX，并將 100 萬枚 BNX 加入到本輪游戲的最終獎池中，使總獎池金額突破 140 萬枚 BNX。

此外，游戲團隊將會對 Boss 戰機制進行調整，加強對腳本玩家等非正常玩家參與的限制力度，最大程度保護普通玩家的利益，增強游戲的公平性和平衡性。[2023/2/28 12:34:27]

中國數字資產交易平臺將于2023年1月1日上線:12月28日消息，全國首個國家級合規數字資產二級交易平臺——中國數字資產交易平臺，將于2023年1月1日在北京舉行平臺啟動發布儀式。該平臺由中國技術交易所、中國文物交流中心、華版數字版權服務中心股份有限公司聯合建設。華版數字版權服務中心股份有限公司總裁尹濤表示，中國數字資產交易平臺的交易標的物是數字藏品、數字版權，“目前具體的交易商品和交易規則還在研究談論中，比如對交易交割的時間和價格等都有要求，通過制定規范的交易流程、標準來規避二級市場的過度炒作。”（財聯社）[2022/12/28 22:12:46]

在分類任務中更神奇，如果對每個類別使用不同顏色進行單獨標記的話，就會發現分類任務也能識別出圖片中的不同物體。

基于Attention的池化層

文章中新提出的模型叫做PatchConvNet，核心組件就是可學習的、基于attention的池化層。

A股收盤：深證區塊鏈50指數下跌2.09%:金色財經消息，A股收盤，上證指數報3073.77點，收盤下跌1.07%，深證成指報10949.12點，收盤下跌1.58%，深證區塊鏈50指數報2720.87點，收盤下跌2.09%。區塊鏈板塊收盤下跌0.67%，數字貨幣板塊收盤下跌0.36%。[2022/12/20 21:56:16]

模型架構的主干是一個卷積網絡，相當于是一個輕量級的預處理操作，它的作用就是把圖像像素進行分割，并映射為一組向量，和ViT中patchextraction操作對應。

最近也有研究表明，采用卷積的預處理能讓模型的性能更加穩定。

模型的第二部分column，包含了整個模型中的大部分層、參數和計算量，它由N個堆疊的殘差卷積塊組成。每個塊由一個歸一化、1*1卷積，3*3卷積用來做空間處理，一個squeeze-and-excitation層用于混合通道特征，最后在殘差連接前加入一個1*1的卷積。

幣安推出機構數字資產平臺Binance Institutional:6月23消息，幣安宣布推出面向VIP和機構用戶的旗艦平臺Binance Institutional，將為各類機構用戶提供定制解決方案，包括企業、資產管理公司、經紀商、對沖基金、家族辦公室、流動性提供商、自營交易公司、礦工、高凈值人士（HNWI）等，解決方案有執行和場外交易服務、資產管理與托管以及流動性計劃等。[2022/6/23 1:27:32]

研究人員對模型塊的選擇也提出了一些建議，例如在batchsize夠大的情況下，BatchNorm往往效果比LayerNorm更好。但訓練大模型或者高分辨率的圖像輸入時，由于batchsize更小，所以BatchNorm在這種情況下就不太實用了。

下一個模塊就是基于注意力的池化層了。

在主干模型的輸出端，預處理后的向量通過類似Transformer的交叉注意力層的方式進行融合。

注意力層中的每個權重值取決于預測patch與可訓練向量之間的相似度，結果和經典ViT中的classtoken類似。

然后將產生的d維向量添加到CLS向量中，并經過一個前饋網絡處理。

與之前提出的class-attentiondecoder不同之處在于，研究人員僅僅只用一個block和一個head，大幅度簡化了計算量，也能夠避免多個block和head之間互相影響，從而導致注意力權重失真。

因此，classtoken和預處理patch之間的通信只發生在一個softmax中，直接反映了池化操作者如何對每個patch進行加權。

也可以通過將CLS向量替換為k×d矩陣來對每個類別的attentionmap進行歸一化處理，這樣就可以看出每個塊和每個類別之間的關聯程度。

但這種設計也會增加內存的峰值使用量，并且會使網絡的優化更加復雜。通常只在微調優化的階段以一個小的學習率和小batchsize來規避這類問題。

實驗結果

在圖像分類任務上，研究人員首先將模型與ImageNet1k和ImageNet-v2上的其他模型從參數量，FLOPS，峰值內存用量和256張圖像batchsize下的模型推理吞吐量上進行對比。

實驗結果肯定是好的，可以看到PatchConvNet的簡單柱狀結構相比其他模型更加簡便和易于擴展。對于高分辨率圖像來說，不同模型可能會針對FLOPs和準確率進行不同的平衡，更大的模型肯定會取得更高的準確率，相應的吞吐量就會低一些。

在語義分割任務上，研究人員通過ADE20k數據集上的語義分割實驗來評估模型，數據集中包括2萬張訓練圖像和5千張驗證圖像，標簽超過150個類別。由于PatchConvNet模型不是金字塔式的，所以模型只是用模型的最后一層輸出和UpperNet的多層次網絡輸出，能夠簡化模型參數。研究結果顯示，雖然PatchConvNet的結構更簡單，但與最先進的Swin架構性能仍處于同一水平，并且在FLOPs-MIoU權衡方面優于XCiT。

在檢測和實例分割上，研究人員在COCO數據集上對模型進行評估，實驗結果顯示PatchConvNet相比其他sota架構來說，能夠在FLOPs和AP之間進行很好的權衡。

在消融實驗中，為了驗證架構問題，研究人員使用不同的架構對比了Transformer中的classattention和卷積神經網絡的平均池化操作，還對比了卷積主干和線性投影之間的性能差別等等。實驗結果可以看到卷積主干是模型取得最佳性能的關鍵，class-attention幾乎沒有帶來額外的性能提升。

另一個重要的消融實驗時attention-basedpooling和ConvNets之間的對比，研究人員驚奇地發現可學習的聚合函數甚至可以提高一個ResNet魔改后模型的性能。

通過把attention添加到ResNet50中，直接在Imagenet1k上獲得了80.1%的最高準確率，比使用平均池化層的baseline模型提高了+0.3%的性能，并且attention-based只稍微增加了模型的FLOPs數量，從4.1B提升到4.6B。

參考資料：

https://arxiv.org/abs/2112.13692

Tags：atcFLOPFLOatc幣是什么幣FLOP幣FLOP價格FLO價格FLO幣

幣安app下載