【论文阅读及代码实现】BiFormer: 具有双水平路由注意的视觉变压器
BiFormer: Vision Transformer with Bi-Level Routing Attention
视觉转换器的核心组成部分，注意力是捕捉长期依赖关系的有力工具
计算跨所有空间位置的成对token交互时，计算负担和沉重的内存占用
提出了一种新的动态稀疏注意，通过双层路由实现更灵活的内容感知计算分配
过程：
- 首先在粗区域级别过滤掉不相关的键值对
- 然后在剩余候选区域(即路由区域)的联合中应用细粒度的Token到Token
- 利用稀疏性来节省计算和内存，同时只涉及GPU-friendly的密集矩阵乘法
提出了一种新的通用视觉变压器，称为BiF变压器
一、总体介绍
Transformer有许多适合于构建强大的数据驱动模型的属性
捕获数据中的远程依赖关系
卷积本质上是一个局部算子，与之相反，注意力的一个关键属性是全局接受场，它使视觉转换器能够捕获远程依赖
稀疏关注引入到视觉转换，可以减少相应的计算量
不同语义区域的查询实际上关注的键值对是完全不同的。因此，强制所有查询处理同一组令牌可能不是最优的
需要评估所有查询和键之间的配对亲和力，因此具有相同的vanilla attention复杂性。另一种可能性是基于每个查询的本地上下文来预测注意力偏移量
高效地定位有价值的键值
提出了一种区域到区域路由，核心思想是在粗粒度的区域级别过滤掉最不相关的键值
不是直接在细粒度的令牌级别
应用Token到令Token的注意，这是非常重要的，因为现在假定键值（Q，K，V）对在空间上是分散的
使用BRA作为核心构建块，我们提出了BiFormer，这是一个通用的视觉变压器骨干
BRA使BiFormer能够以内容感知的方式为每个查询处理最相关的键/值Token的一小部分，因此我们的模型实现了更好的计算性能权衡
具体作用：
- 引入了一种新的双层路由机制，自适应查询的方式实现内容感知的稀疏模式
- 双级路由关注作为基本构建块
- 更好的性能和更低的计算量
二、联系工作
Vision transformers
采用基于通道的MLP块进行错位嵌入(通道混合)，并采用注意力块进行交叉位置关系建，transformers使用注意力作为卷积的替代方案来实现全局上下文建模
vanilla attention在所有空间位置上两两计算特征亲和性，它会带来很高的计算负担和沉重的内存占用
Efficient attention mechanisms
稀疏连接模式[6]，低秩近似[43]或循环操作[11]来减少vanilla attention的计算和内存复杂性瓶颈，Swin变压器中，将注意力限制在不重叠的局部窗口上，并引入移位窗口操作来实现相邻窗口之间的窗口间通信
手工制作的稀疏模式:
- 膨胀窗口[41,46]
- 十字形窗口[14]
不同查询的关注区域可能会有显著差异
双层路由注意的目标是定位几个最相关的键值对，而四叉树注意构建了一个到ken金字塔，并组装来自不同粒度的所有级别的消息
三、具体模型
3.1 注意力
注意力的具体表示：
Q∈RNq×C，键K∈RNkv×C，值V∈RNkv×C作为输入
避免权值集中和梯度消失，引入标量因子√C
基础的构建块是多头自关注(MHSA)
3.2 双级路由注意(BRA)
为了缓解MHSA的可扩展性问题，一些研究[14,29,41,46,48]提出了不同的稀疏关注机制，其中每个查询只关注少量的键值对
探索了一种动态的、查询感知的稀疏注意机制。
整体结构图：
具体操作思想：
- 在粗区域级别过滤掉大多数不相关的键值对
- 只保留一小部分路由区域
- 路由区域的联合中应用细粒度的令牌到令牌关
Region partition and input projection.
特征图X∈RH×W×C
分为S×S个不重叠的区域，使得每个区域包含H×W×S2特征向量
将其转化为
同时将导出查询，键，值张量，Q, K, V∈R s2xHW/S2×C，具有线性投影
Region-to-region routing with directed graph
构造一个有向图来找到参与关系，每个给定区域应该参与的区域
对Q和K应用每个区域的平均值来推导区域级查询和键Qr, Kr∈RS2×C
Qr与转置的Kr之间的矩阵乘法推导出区域到区域亲和图的邻接矩阵
Ar中的条目度量两个区域在语义上的关联程度
步骤是通过仅为每个区域保留top-k连接来修剪关联图
Ir的第i行包含第i区最相关区域的k个指标
区域到区域路由索引矩阵Ir，我们就可以应用细粒度的Token到令Token的注意关注。对于区域i中的每个查询令牌
收集键和值张量
函数LCE(·)使用深度卷积参数化，我们将内核大小设置为5
BRA的计算包括三个部分:
-
线性投影
-
区域到区域路由
-
token到token注意
3.4. BiFormer的结构设计
BRA为基本构建块，提出了一种新的通用视觉变压器BiFormer
具体结构：
- 第一阶段使用重叠的patch嵌入
- 第二到第四阶段使用patch合并模块
- 使用Ni连续的BiFormer块来变换特征
将每个注意头设置为32个通道，MLP扩展比e=3。对于BRA，由于输入分辨率不同，我们对4个阶段使用topk = 1,4,16, S2
分类/语义分割/目标检测任务，区域划分因子S = 7/8/16
四、论文实验结果
同样只看在ADE20K，语义分割上的实验效果，与其他的效果来进行对比
基于MMSegmentation[8]在ADE20K[55]数据集上进行了语义分割实验。
采用框架对比：
- 语义FPN
- UperNet
主干都使用ImageNet-1K预训练的权重进行初始化，而其他层则使用随机初始化，使用AdamW优化器对模型进行优化，批量大小设置为32
Swin Transformer相同的设置
五、代码理解
从官方代码中给出的代码中我们选取biformer_base来对相应的
通过相应参数，我们可以得知，在构建模型中的数据
由于我下游任务是语义分割，topks的最后一项参数是S=8，s2是64
这里是具体的BRA模块的构成参数导入，由4个阶段的不同来分配不同的参数，因为s=-1改为了s=64，在4个阶段的Attention都为BiLevelRoutingAttention
在代码中的具体使用
原官方代码中有很多if，else的判断选择，但是最后执行的代码为这一段
Biformer的具体函数在
可以看到具体的函数操作
六、遥感实验结果
| 2023.5.21 | resnet50 | Vaihingen | 256*256（叠切） | 3225 | 否 | 否 | 100 | 0.01 | SGD | 是 | OA=83.47% | Miou=67.75% | F1=80.53% | resnet50+BiFormer*4+IRFFN(depth=[3,4,6,3] num_heads=[2, 4, 8, 16],dilation=[1, 2]) |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2023.5.21 | resnet50 | Vaihingen | 256*256（叠切） | 3225 | 否 | 否 | 100 | 0.01 | SGD | 是 | 82.93% | 67.61% | 80.35% | resnet50+BiFormer2+MSDA2+IRFFN(depth=[3,4,6,3] num_heads=[2, 4, 8, 16],dilation=[1, 2]) |
| 2023.5.21 | resnet50 | Vaihingen | 256*256（叠切） | 3225 | 否 | 否 | 100 | 0.01 | SGD | 是 | 83.24% | 67.74% | 80.44% | resnet50+BiFormer+MSDA+BiFormer+MSDA+IRFFN(depth=[3,4,6,3] num_heads=[2, 4, 8, 16],dilation=[1, 2]) |
主干网络：resnet50
解码器：Unet的融合解码文章来源：https://www.toymoban.com/news/detail-529093.html
初步结论:具有一定提高的效果，但作为轻量级的网络，在实际的使用上效果一般文章来源地址https://www.toymoban.com/news/detail-529093.html
到了这里，关于【论文阅读及代码实现】BiFormer: 具有双水平路由注意的视觉变压器的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
![[自注意力神经网络]Segment Anything(SAM)论文阅读](https://imgs.yssmx.com/Uploads/2024/02/423006-1.png)
