011、RCAN通道注意力残差通道注意力机制与长距离依赖建模从一次模型训练崩溃说起去年年底我在调试一个视频超分项目时遇到一个诡异的问题——模型在训练到第80个epoch后PSNR突然从32.5dB暴跌到28.1dB然后梯度直接爆炸。排查了两天发现是深层残差网络中的信息流被“堵死”了。当时用的还是EDSR那种堆叠残差块的架构层数一深超过100层特征图之间的相关性就完全丢失了每个通道都在“各自为战”。这个问题让我重新审视了RCAN这篇论文。说实话第一次读RCAN时我觉得它不过是把SENet的通道注意力搬到了超分领域没什么新意。但真正在工程中踩过坑后才明白它解决的核心问题——深层网络中不同通道特征的重要性差异会随着层数增加而急剧放大不加约束的残差连接反而会引入噪声。通道注意力不是简单的“加权”很多人理解通道注意力就是给每个通道乘一个权重。这种理解太浅了。RCAN的通道注意力模块CA做的其实是特征重标定——它不是在原始特征上直接乘权重而是通过全局平均池化两个全连接层学习出一个通道间的依赖关系图。代码实现时有个容易踩坑的点classChannelAttention(nn.Module):def__init__(self,channels,reduction16):super().__init__()# 这里reduction不要设太小我试过reduction4参数量爆炸训练直接OOMself.avg_poolnn.AdaptiveAvgPool2d(1)self.fcnn.Sequential(nn.Conv2d(channels,channels//reduction,1,biasFalse),# 别用LinearConv2d更灵活nn.ReLU(inplaceTrue),nn.Conv2d(channels//reduction,channels,1,biasFalse),nn.Sigmoid())defforward(self,x):b,c,h,wx.shape# 这里踩过坑如果直接squeeze掉空间维度后续广播会出问题yself.avg_pool(x)# [b, c, 1, 1]yself.fc(y)# [b, c, 1, 1]returnx*y# 广播乘法别写成x * y.expand_as(x)浪费显存注意那个inplaceTrue——在训练时能省显存但如果你用PyTorch的torch.jit.script做部署它会报错。别这样写除非你确定只在训练阶段用。残差中的残差RIR结构的真正意义RCAN最核心的设计是残差中的残差Residual in Residual, RIR。这个结构看起来像是套娃但它的设计动机很实际当网络深度超过100层时梯度反向传播路径太长普通的残差连接已经无法有效传递梯度。RIR结构把整个网络分成几个残差组RG每个组内部再堆叠残差通道注意力块RCAB。这样做的好处是梯度高速公路每个RG的输出会直接加到最终输出上相当于给梯度开了条“捷径”局部-全局双重视野RCAB处理局部特征RG之间的残差连接传递全局信息实际写代码时RIR的实现有个细节classRIR(nn.Module):def__init__(self,n_resgroups,n_resblocks,n_feats,reduction):super().__init__()# 别这样写self.body nn.Sequential([...])Sequential不支持listself.bodynn.ModuleList([ResidualGroup(n_feats,n_resblocks,reduction)for_inrange(n_resgroups)])self.conv_lastnn.Conv2d(n_feats,n_feats,3,padding1)defforward(self,x):residualxforrginself.body:xrg(x)xself.conv_last(x)returnxresidual# 全局残差连接这里容易漏掉我刚开始实现时把全局残差连接写在了循环外面结果梯度完全传不回去训练了50个epoch PSNR纹丝不动。调试了一整天才发现是残差连接的位置错了。长距离依赖RCAN比SENet高明在哪SENet的通道注意力是全局的——它用一个全局平均池化压缩了整个空间信息。但超分任务中局部纹理和全局结构同样重要。RCAN的改进在于它不是在单个残差块里用一次通道注意力而是在每个残差块内部都嵌入CA模块并且通过RIR结构让不同深度的CA模块之间形成信息交互。这种设计让网络能够建模跨层级的通道依赖关系。比如浅层CA可能关注边缘信息深层CA关注纹理细节而RIR的残差连接让这两者能够互相影响。有个实验数据可以说明问题在Set5数据集上去掉CA模块的RCAN相当于纯残差网络PSNR是32.18dB加上CA后提升到32.63dB。但更关键的是训练收敛速度提升了约30%——CA模块实际上起到了特征选择器的作用抑制了无效特征的传播。工程实践中的三个坑1. 通道数设置的艺术RCAN原文用64通道但实际工程中要根据显存调整。我试过128通道参数量翻4倍PSNR只提升0.1dB完全不划算。建议基础通道数64如果显存够用增加到96是性价比最高的选择。2. 残差缩放因子RCAN在残差连接前乘了一个缩放因子通常0.1这个细节很多人忽略。不加缩放因子深层网络的方差会爆炸。实现时# 别这样写x x residualxxresidual*0.1# 稳定训练的关键3. 激活函数的选择原文用ReLU但我在实际测试中发现用LeakyReLU(0.2)替换ReLU在噪声较大的数据集上能提升0.15dB。原因是ReLU会杀死负值信息而超分任务中某些纹理细节恰恰需要负响应来表征。个人经验总结RCAN不是最先进的超分模型了但它的设计思想至今仍有价值。如果你在做视频超分或者需要处理大尺度因子4x以上的任务RCAN的RIR结构比现在流行的Transformer类模型更稳定。我在处理8x超分时SwinIR经常出现伪影而RCAN虽然细节不够锐利但至少不会产生离谱的artifact。另外如果你想把RCAN用到实际产品中建议把CA模块的reduction从16改成8——虽然参数量增加但推理速度几乎不变CA模块的计算量占比很小而PSNR能提升0.05-0.1dB。这个trade-off很划算。最后说一句不要迷信论文里的超参数。RCAN原文的batch size是16但我在单卡2080Ti上只能跑batch size4这时候把reduction从16改成32反而效果更好。工程调参的本质是在你的硬件约束下找到最优解。
（支持资料、图片参考_相关定制）_文章底部可以扫码)
