本文首发于个人博客

Octave卷积

Octave卷积的主题思想来自于图片的分频思想，首先认为图像可进行分频：

• 低频部分：图像低频部分保存图像的大体信息，信息数据量较少
• 高频部分：图像高频部分保留图像的细节信息，信息数据量较大

由此，认为卷积神经网络中的feature map也可以进行分频，可按channel分为高频部分和低频部分，如图所示：

feature_map.png

对于一个feature map，将其按通道分为两个部分，分别为低频通道和高频通道。随后将低频通道的长宽各缩减一半，则将一个feature map分为了高频和低频两个部分，即为Octave卷积处理的基本feature map，使用X表示，该类型X可表示为，其中为高频部分，为低频部分。

为了处理这种结构的feature map，其使用了如下所示的Octave卷积操作：

octave_conv.png

首先考虑低频部分输入，该部分进行两个部分的操作：

• ：从低频到高频，首先使用指定卷积核进行卷积，随后进行Upample操作生成与高频部分长宽相同的Tensor，最终产生
• ：从低频到低频，这个部分为直接进行卷积操作

随后考虑高频部分，与低频部分类似有两个部分的操作：

• ：从高频到高频，直接进行卷积操作
• ：从高频到低频，首先进行stride和kernel均为2的平均值池化，再进行卷积操作，生成与通道数相同的feature map，最终产生

最终，有和，因此可以总结如下公式：

因此有四个部分的权值：

来源/去向
H
L

另外进行使用时，在网络的输入和输出需要将两个频率上的Tensor聚合，做法如下：

• 输入部分，取，即有，，仅进行和操作，输出输出的低频仅有X生成，即和
• 输出部分，取，。即仅进行和的操作，最终输出为

性能分析

以下计算均取原Tensor尺寸为，卷积尺寸为，输出Tensor尺寸为（stride=1，padding设置使feature map尺寸不变）。

计算量分析

Octave卷积的最大优势在于减小计算量，取参数为低频通道占总通道的比例。首先考虑直接卷积的计算量，对于输出feature map中的每个数据，需要进行次乘加计算，因此总的计算量为：

现考虑Octave卷积，有四个卷积操作：

• 卷积：
• 卷积：
• 卷积：
• 卷积：

总上，可以得出计算量有：

在中单调递减，当取时，有。

参数量分析

原卷积的参数量为：

Octave卷积将该部分分为四个，对于每个卷积有：

• 卷积：
• 卷积：
• 卷积：
• 卷积：

因此共有参数量：

由此，参数量没有发生变化，该方法无法减少参数量。

Octave卷积实现

Octave卷积模块

以下实现了一个兼容普通卷积的Octave卷积模块，针对不同的高频低频feature map的通道数，分为以下几种情况：

• Lout_channel != 0 and Lin_channel != 0：通用Octave卷积，需要四个卷积参数
• Lout_channel == 0 and Lin_channel != 0：输出Octave卷积，输入有低频部分，输出无低频部分，仅需要两个卷积参数
• Lout_channel != 0 and Lin_channel == 0：输入Octave卷积，输入无低频部分，输出有低频部分，仅需要两个卷积参数
• Lout_channel == 0 and Lin_channel == 0：退化为普通卷积，输入输出均无低频部分，仅有一个卷积参数

class OctaveConv(pt.nn.Module):

    def __init__(self,Lin_channel,Hin_channel,Lout_channel,Hout_channel,
            kernel,stride,padding):
        super(OctaveConv, self).__init__()
        if Lout_channel != 0 and Lin_channel != 0:
            self.convL2L = pt.nn.Conv2d(Lin_channel,Lout_channel, kernel,stride,padding)
            self.convH2L = pt.nn.Conv2d(Hin_channel,Lout_channel, kernel,stride,padding)
            self.convL2H = pt.nn.Conv2d(Lin_channel,Hout_channel, kernel,stride,padding)
            self.convH2H = pt.nn.Conv2d(Hin_channel,Hout_channel, kernel,stride,padding)
        elif Lout_channel == 0 and Lin_channel != 0:
            self.convL2L = None
            self.convH2L = None
            self.convL2H = pt.nn.Conv2d(Lin_channel,Hout_channel, kernel,stride,padding)
            self.convH2H = pt.nn.Conv2d(Hin_channel,Hout_channel, kernel,stride,padding)
        elif Lout_channel != 0 and Lin_channel == 0:
            self.convL2L = None
            self.convH2L = pt.nn.Conv2d(Hin_channel,Lout_channel, kernel,stride,padding)
            self.convL2H = None
            self.convH2H = pt.nn.Conv2d(Hin_channel,Hout_channel, kernel,stride,padding)
        else:
            self.convL2L = None
            self.convH2L = None
            self.convL2H = None
            self.convH2H = pt.nn.Conv2d(Hin_channel,Hout_channel, kernel,stride,padding)
        self.upsample = pt.nn.Upsample(scale_factor=2)
        self.pool = pt.nn.AvgPool2d(2)

    def forward(self,Lx,Hx):
        if self.convL2L is not None:
            L2Ly = self.convL2L(Lx)
        else:
            L2Ly = 0
        if self.convL2H is not None:
            L2Hy = self.upsample(self.convL2H(Lx))
        else:
            L2Hy = 0
        if self.convH2L is not None:
            H2Ly = self.convH2L(self.pool(Hx))
        else:
            H2Ly = 0
        if self.convH2H is not None:
            H2Hy = self.convH2H(Hx)
        else:
            H2Hy = 0
        return L2Ly+H2Ly,L2Hy+H2Hy

在前项传播的过程中，根据是否有对应的卷积操作参数判断是否进行卷积，若不进行卷积，将输出置为0。前向传播时，输入为低频和高频两个feature map，输出为低频和高频两个feature map，输入情况和参数配置应与通道数的配置匹配。

其他部分

使用MNIST数据集，构建了一个三层卷积+两层全连接层的神经网络，使用Adam优化器训练，代价函数使用交叉熵函数，训练3轮，最后在测试集上进行测试。

import torch as pt
import torchvision as ptv
# download dataset
train_dataset = ptv.datasets.MNIST("./",train=True,download=True,transform=ptv.transforms.ToTensor())
test_dataset = ptv.datasets.MNIST("./",train=False,download=True,transform=ptv.transforms.ToTensor())
train_loader = pt.utils.data.DataLoader(train_dataset,batch_size=64,shuffle=True)
test_loader = pt.utils.data.DataLoader(test_dataset,batch_size=64,shuffle=True)

# build network
class mnist_model(pt.nn.Module):

    def __init__(self):
        super(mnist_model, self).__init__()
        self.conv1 = OctaveConv(0,1,8,8,kernel=3,stride=1,padding=1)        
        self.conv2 = OctaveConv(8,8,16,16,kernel=3,stride=1,padding=1)      
        self.conv3 = OctaveConv(16,16,0,64,kernel=3,stride=1,padding=1)
        self.pool =  pt.nn.MaxPool2d(2)
        self.relu = pt.nn.ReLU()
        self.fc1 = pt.nn.Linear(64*7*7,256)
        self.fc2 = pt.nn.Linear(256,10)

    def forward(self,x):
        out = [self.pool(self.relu(i)) for i in self.conv1(0,x)]
        out = self.conv2(*out)
        _,out = self.conv3(*out)
        out = self.fc1(self.pool(self.relu(out)).view(-1,64*7*7))
        return self.fc2(out)


net = mnist_model().cuda()
# print(net)
# prepare training
def acc(outputs,label):
    _,data = pt.max(outputs,dim=1)
    return pt.mean((data.float()==label.float()).float()).item()

lossfunc = pt.nn.CrossEntropyLoss().cuda()
optimizer = pt.optim.Adam(net.parameters())

# train
for _ in range(3):
    for i,(data,label) in enumerate(train_loader) :
        optimizer.zero_grad()
        # print(i,data,label)
        data,label = data.cuda(),label.cuda()
        outputs = net(data)
        loss = lossfunc(outputs,label)
        loss.backward()

        optimizer.step()
        if i % 100 == 0:
            print(i,loss.cpu().data.item(),acc(outputs,label))

# test
acc_list = []
for i,(data,label) in enumerate(test_loader):
    data,label = data.cuda(),label.cuda()
    outputs = net(data)
    acc_list.append(acc(outputs,label))
print("Test:",sum(acc_list)/len(acc_list))

# save
pt.save(net,"./model.pth")

最终获得模型的准确率为0.988