在碎片化閱讀充斥眼球的時代，越來越少的人會去關註每篇論文背後的探索和思考。

在這個欄目裡，你會快速 get 每篇精選論文的亮點和痛點，時刻緊跟 AI 前沿成果。

點選本文底部的「閱讀原文」即刻加入社群，檢視更多最新論文推薦。

這是 PaperDaily 的第 28 篇文章

本期推薦的論文筆記來自 PaperWeekly 社群使用者 @duinodu。本文研究的問題是深度學習中的網路工程問題。如何設計更好的網路結構，是目前的一個研究熱點。這樣的網路結構一旦被設計出來，可以馬上用於很多其他任務。

本文貢獻主要有兩點：

1. 把語法模型和深度神經網路模型結合起來，設計的模型同時兼顧特徵的 exploration and exploitation（探索和利用），併在網路的深度和寬度上保持平衡；

2. 設計的網路結構，在分類任務和標的檢測任務上，都比基於殘差結構的方法要好。

如果你對本文工作感興趣，點選底部的閱讀原文即可檢視原論文。

關於作者：杜敏，華中科技大學碩士生，研究方向為樣式識別與智慧系統。

■ 論文 | AOGNets: Deep AND-OR Grammar Networks for Visual Recognition

■ 連結 | https://www.paperweekly.site/papers/1315

■ 作者 | duinodu

論文亮點

網路工程問題，屬於深度學習中比較基礎的問題。網路工程的最大難點在於，由於缺乏對深度神經網路的理論理解，無法根據某種理論來設計網路結構，實際中更多的不斷地嘗試，根據實驗反饋來確定某種結構是不是好。

而使用像增強學習、進化演演算法等自動學習網路結構的方法，搜尋空間巨大。有兩個子空間，一個是結構連線子空間，一個是運運算元子空間，搜尋空間是這兩個空間的乘積，自動學習網路結構的演演算法需要昂貴的計算資源。

本文的解決辦法是，把語法模型（grammer model）放到神經網路的設計中來，在分類和標的檢測任務中，均取得比基於殘差結構的模型更好的效果。

整個模型概覽圖如下：

中間有 4 個 AOG 構建塊，每個 AOG 塊的結構如下圖所示：

AOG 的全稱叫 AND-OR graph，是一種語法模型（grammer model）。在人工智慧的發展歷程中，大體有兩種解決辦法：一種是自底向上，即目前非常流形的深度神經網路方法，另一種方法是自頂向下，語法模型可以認為是一種自頂向下的方法。

所謂的語法模型，即規定 3-4 條規則，構建 graph，graph 可以認為是一種特徵表達的正規化，它沒有具體規定特徵表達是什麼形式，但是如果遵循這種規則構建特徵表達，卻能達到比較好的效果。本文使用如下三條語法規則：

AOGNet 的構建流程如下：

可以配合影片[1]，看這個流程圖。

網路工程分為兩個部分：設計連線結構和設計運算運運算元（structure space 和 operator space）。

整個的 CNN 發展歷程，都可以歸結到這兩點。論文的相關工作部分，很好地對 CNN 網路結構的演變，梳理了一番，有如下網路結構：

使用三條語法規則構建了網路連線方式，網路中每個節點的運算運運算元採用 Bottleneck + Conv_BN_ReLU 的方式。

其實可以不同的節點，設計不同的運運算元，作者這裡都統一成一樣的。處理上面統一的運運算元，各個不同的節點還要分別做下麵的運算。

在 CIFAR 和 ImageNet-1k 上做了分類的實驗，在 VOC0712 做了標的檢測的實驗（使用 fasterRCNN 框架）。

本文作者團隊是朱松純教授[2]組的，他們組一直在做語法模型。之前讀過他寫的《人工智慧的現狀、任務、架構和統一》[3]，看到這篇文章以及瞭解了語法模型，才算是瞭解朱松純組到底要做什麼樣的事情。

語法模型和深度神經網路，是可以相互融合的方法，前者基於規則，後者基於大量資料擬合。本文只是語法模型的冰山一角，另一篇論文 Interpretable R-CNN [4]，也用到了語法模型，和 RFCN 方法結合，獲得一種標的的 part configuration。

這種語法模型目前還在探索之中，尤其是和深度神經網路結合的工作，以及和 GAN、RL 等不同正規化的深度學習方法結合，應該會有有趣的工作。