<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    <del id="afajh"><form id="afajh"></form></del>
        1. <th id="afajh"><progress id="afajh"></progress></th>
          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>

          使用PyTorch進行小樣本學(xué)習(xí)的圖像分類

          共 7219字,需瀏覽 15分鐘

           ·

          2022-11-18 20:58


          來源:DeepHub IMBA

          本文約3600字,建議閱讀9分鐘
          本文手把手教你小樣本學(xué)習(xí)方法。

          近年來,基于深度學(xué)習(xí)的模型在目標檢測和圖像識別等任務(wù)中表現(xiàn)出色。像ImageNet這樣具有挑戰(zhàn)性的圖像分類數(shù)據(jù)集,包含1000種不同的對象分類,現(xiàn)在一些模型已經(jīng)超過了人類水平上。但是這些模型依賴于監(jiān)督訓(xùn)練流程,標記訓(xùn)練數(shù)據(jù)的可用性對它們有重大影響,并且模型能夠檢測到的類別也僅限于它們接受訓(xùn)練的類。

          由于在訓(xùn)練過程中沒有足夠的標記圖像用于所有類,這些模型在現(xiàn)實環(huán)境中可能不太有用。并且我們希望的模型能夠識別它在訓(xùn)練期間沒有見到過的類,因為幾乎不可能在所有潛在對象的圖像上進行訓(xùn)練。我們將從幾個樣本中學(xué)習(xí)的問題被稱為“少樣本學(xué)習(xí) Few-Shot learning”。

          什么是小樣本學(xué)習(xí)?



          少樣本學(xué)習(xí)是機器學(xué)習(xí)的一個子領(lǐng)域。它涉及到在只有少數(shù)訓(xùn)練樣本和監(jiān)督數(shù)據(jù)的情況下對新數(shù)據(jù)進行分類。只需少量的訓(xùn)練樣本,我們創(chuàng)建的模型就可以相當(dāng)好地執(zhí)行。

          考慮以下場景:在醫(yī)療領(lǐng)域,對于一些不常見的疾病,可能沒有足夠的x光圖像用于訓(xùn)練。對于這樣的場景,構(gòu)建一個小樣本學(xué)習(xí)分類器是完美的解決方案。

          小樣本的變化

          一般來說,研究人員確定了四種類型:

          1. N-Shot Learning (NSL)
          2. Few-Shot Learning ( FSL )
          3. One-Shot Learning (OSL)
          4. Zero-Shot Learning (ZSL)

          當(dāng)我們談?wù)?FSL 時,我們通常指的是 N-way-K-Shot 分類。N 代表類別數(shù),K 代表每個類中要訓(xùn)練的樣本數(shù)。所以N-Shot Learning 被視為比所有其他概念更廣泛的概念。可以說 Few-Shot、One-Shot 和 Zero-Shot是 NSL 的子領(lǐng)域。而零樣本學(xué)習(xí)旨在在沒有任何訓(xùn)練示例的情況下對看不見的類進行分類。

          在 One-Shot Learning 中,每個類只有一個樣本。Few-Shot 每個類有 2 到 5 個樣本,也就是說 Few-Shot 是更靈活的 One-Shot Learning 版本。


          小樣本學(xué)習(xí)方法


          通常,在解決 Few Shot Learning 問題時應(yīng)考慮兩種方法:

          數(shù)據(jù)級方法 (DLA)

          這個策略非常簡單,如果沒有足夠的數(shù)據(jù)來創(chuàng)建實體模型并防止欠擬合和過擬合,那么就應(yīng)該添加更多數(shù)據(jù)。正因為如此,許多 FSL 問題都可以通過利用來更大大的基礎(chǔ)數(shù)據(jù)集的更多數(shù)據(jù)來解決。基本數(shù)據(jù)集的顯著特征是它缺少構(gòu)成我們對 Few-Shot 挑戰(zhàn)的支持集的類。例如,如果我們想要對某種鳥類進行分類,則基礎(chǔ)數(shù)據(jù)集可能包含許多其他鳥類的圖片。

          參數(shù)級方法 (PLA)

          從參數(shù)級別的角度來看,F(xiàn)ew-Shot Learning 樣本相對容易過擬合,因為它們通常具有大的高維空間。限制參數(shù)空間、使用正則化和使用適當(dāng)?shù)膿p失函數(shù)將有助于解決這個問題。少量的訓(xùn)練樣本將被模型泛化。

          通過將模型引導(dǎo)到廣闊的參數(shù)空間可以提高性能。由于缺乏訓(xùn)練數(shù)據(jù),正常的優(yōu)化方法可能無法產(chǎn)生準確的結(jié)果。

          因為上面的原因,訓(xùn)練我們的模型以發(fā)現(xiàn)通過參數(shù)空間的最佳路徑,產(chǎn)生最佳的預(yù)測結(jié)果。這種方法被稱為元學(xué)習(xí)。

          小樣本學(xué)習(xí)圖像分類算法


          有4種比較常見的小樣本學(xué)習(xí)的方法:

          與模型無關(guān)的元學(xué)習(xí) Model-Agnostic Meta-Learning

          基于梯度的元學(xué)習(xí) (GBML) 原則是 MAML 的基礎(chǔ)。在 GBML 中,元學(xué)習(xí)者通過基礎(chǔ)模型訓(xùn)練和學(xué)習(xí)所有任務(wù)表示的共享特征來獲得先前的經(jīng)驗。每次有新任務(wù)要學(xué)習(xí)時,元學(xué)習(xí)器都會利用其現(xiàn)有經(jīng)驗和新任務(wù)提供的最少量的新訓(xùn)練數(shù)據(jù)進行微調(diào)訓(xùn)練。

          一般情況下,如果我們隨機初始化參數(shù)經(jīng)過幾次更新算法將不會收斂到良好的性能。MAML 試圖解決這個問題。MAML 只需幾個梯度步驟并且保證沒有過度擬合的前提下,為元參數(shù)學(xué)習(xí)器提供了可靠的初始化,這樣可以對新任務(wù)進行最佳快速學(xué)習(xí)。

          步驟如下:

          1. 元學(xué)習(xí)者在每個分集(episode)開始時創(chuàng)建自己的副本C,
          2. C 在這一分集上進行訓(xùn)練(在 base-model 的幫助下),
          3. C 對查詢集進行預(yù)測,
          4. 從這些預(yù)測中計算出的損失用于更新 C,
          5. 這種情況一直持續(xù)到完成所有分集的訓(xùn)練。

          這種技術(shù)的最大優(yōu)勢在于,它被認為與元學(xué)習(xí)算法的選擇無關(guān)。因此MAML 方法被廣泛用于許多需要快速適應(yīng)的機器學(xué)習(xí)算法,尤其是深度神經(jīng)網(wǎng)絡(luò)。

          匹配網(wǎng)絡(luò) Matching Networks

          為解決 FSL 問題而創(chuàng)建的第一個度量學(xué)習(xí)方法是匹配網(wǎng)絡(luò) (MN)。

          當(dāng)使用匹配網(wǎng)絡(luò)方法解決 Few-Shot Learning 問題時需要一個大的基礎(chǔ)數(shù)據(jù)集。

          將該數(shù)據(jù)集分為幾個分集之后,對于每一分集,匹配網(wǎng)絡(luò)進行以下操作:

          • 來自支持集和查詢集的每個圖像都被饋送到一個 CNN,該 CNN 為它們輸出特征的嵌入
          • 查詢圖像使用支持集訓(xùn)練的模型得到嵌入特征的余弦距離,通過 softmax 進行分類
          • 分類結(jié)果的交叉熵損失通過 CNN 反向傳播更新特征嵌入模型

          匹配網(wǎng)絡(luò)可以通過這種方式學(xué)習(xí)構(gòu)建圖像嵌入。MN 能夠使用這種方法對照片進行分類,并且無需任何特殊的類別先驗知識。他只要簡單地比較類的幾個實例就可以了。

          由于類別因分集而異,因此匹配網(wǎng)絡(luò)會計算對類別區(qū)分很重要的圖片屬性(特征)。而當(dāng)使用標準分類時,算法會選擇每個類別獨有的特征。

          原型網(wǎng)絡(luò) Prototypical Networks

          與匹配網(wǎng)絡(luò)類似的是原型網(wǎng)絡(luò)(PN)。它通過一些細微的變化來提高算法的性能。PN 比 MN 取得了更好的結(jié)果,但它們訓(xùn)練過程本質(zhì)上是相同的,只是比較了來自支持集的一些查詢圖片嵌入,但是原型網(wǎng)絡(luò)提供了不同的策略。

          我們需要在 PN 中創(chuàng)建類的原型:通過對類中圖像的嵌入進行平均而創(chuàng)建的類的嵌入。然后僅使用這些類原型來比較查詢圖像嵌入。當(dāng)用于單樣本學(xué)習(xí)問題時,它可與匹配網(wǎng)絡(luò)相媲美。

          關(guān)系網(wǎng)絡(luò) Relation Network

          關(guān)系網(wǎng)絡(luò)可以說繼承了所有上面提到方法的研究的結(jié)果。RN是基于PN思想的但包含了顯著的算法改進。

          該方法使用的距離函數(shù)是可學(xué)習(xí)的,而不是像以前研究的事先定義它。 關(guān)系模塊位于嵌入模塊之上,嵌入模塊是從輸入圖像計算嵌入和類原型的部分。

          可訓(xùn)練的關(guān)系模塊(距離函數(shù))輸入是查詢圖像的嵌入與每個類的原型,輸出為每個分類匹配的關(guān)系分數(shù)。關(guān)系分數(shù)通過 Softmax 得到一個預(yù)測。


          使用 Open-AI Clip 進行零樣本學(xué)習(xí)


          CLIP(Contrastive Language-Image Pre-Training)是一個在各種(圖像、文本)對上訓(xùn)練的神經(jīng)網(wǎng)絡(luò)。它無需直接針對任務(wù)進行優(yōu)化,就可以為給定的圖像來預(yù)測最相關(guān)的文本片段(類似于 GPT-2 和 3 的零樣本的功能)。

          CLIP 在 ImageNet“零樣本”上可以達到原始 ResNet50 的性能,而且需要不使用任何標記示例,它克服了計算機視覺中的幾個主要挑戰(zhàn),下面我們使用Pytorch來實現(xiàn)一個簡單的分類模型。

          引入包

          ! pip install ftfy regex tqdm ! pip install git+https://github.com/openai/CLIP.gitimport numpy as np import torch from pkg_resources import packaging
          print("Torch version:", torch.__version__)


          加載模型

          import clipclip.available_models() # it will list the names of available CLIP modelsmodel, preprocess = clip.load("ViT-B/32") model.cuda().eval() input_resolution = model.visual.input_resolution context_length = model.context_length vocab_size = model.vocab_size
          print("Model parameters:", f"{np.sum([int(np.prod(p.shape)) for p in model.parameters()]):,}") print("Input resolution:", input_resolution) print("Context length:", context_length) print("Vocab size:", vocab_size)


          圖像預(yù)處理

          我們將向模型輸入8個示例圖像及其文本描述,并比較對應(yīng)特征之間的相似性。

          分詞器不區(qū)分大小寫,我們可以自由地給出任何合適的文本描述。

          import os import skimage import IPython.display import matplotlib.pyplot as plt from PIL import Image import numpy as np
          from collections import OrderedDict import torch
          %matplotlib inline %config InlineBackend.figure_format = 'retina'
          # images in skimage to use and their textual descriptions descriptions = { "page": "a page of text about segmentation", "chelsea": "a facial photo of a tabby cat", "astronaut": "a portrait of an astronaut with the American flag", "rocket": "a rocket standing on a launchpad", "motorcycle_right": "a red motorcycle standing in a garage", "camera": "a person looking at a camera on a tripod", "horse": "a black-and-white silhouette of a horse", "coffee": "a cup of coffee on a saucer" }original_images = [] images = [] texts = [] plt.figure(figsize=(16, 5))
          for filename in [filename for filename in os.listdir(skimage.data_dir) if filename.endswith(".png") or filename.endswith(".jpg")]: name = os.path.splitext(filename)[0] if name not in descriptions: continue
          image = Image.open(os.path.join(skimage.data_dir, filename)).convert("RGB")
          plt.subplot(2, 4, len(images) + 1) plt.imshow(image) plt.title(f"{filename}\n{descriptions[name]}") plt.xticks([]) plt.yticks([])
          original_images.append(image) images.append(preprocess(image)) texts.append(descriptions[name])
          plt.tight_layout()


          結(jié)果的可視化如下:


          我們對圖像進行規(guī)范化,對每個文本輸入進行標記,并運行模型的正傳播獲得圖像和文本的特征。

          image_input = torch.tensor(np.stack(images)).cuda() text_tokens = clip.tokenize(["This is " + desc for desc in texts]).cuda()
          with torch.no_grad(): image_features = model.encode_image(image_input).float() text_features = model.encode_text(text_tokens).float()

          我們將特征歸一化,并計算每一對的點積,進行余弦相似度計算。

          image_features /= image_features.norm(dim=-1, keepdim=True) text_features /= text_features.norm(dim=-1, keepdim=True) similarity = text_features.cpu().numpy() @ image_features.cpu().numpy().T
          count = len(descriptions)
          plt.figure(figsize=(20, 14)) plt.imshow(similarity, vmin=0.1, vmax=0.3) # plt.colorbar() plt.yticks(range(count), texts, fontsize=18) plt.xticks([]) for i, image in enumerate(original_images): plt.imshow(image, extent=(i - 0.5, i + 0.5, -1.6, -0.6), origin="lower") for x in range(similarity.shape[1]): for y in range(similarity.shape[0]): plt.text(x, y, f"{similarity[y, x]:.2f}", ha="center", va="center", size=12)
          for side in ["left", "top", "right", "bottom"]: plt.gca().spines[side].set_visible(False)
          plt.xlim([-0.5, count - 0.5]) plt.ylim([count + 0.5, -2])
          plt.title("Cosine similarity between text and image features", size=20)

          零樣本的圖像分類:

          from torchvision.datasets import CIFAR100 cifar100 = CIFAR100(os.path.expanduser("~/.cache"), transform=preprocess, download=True) text_descriptions = [f"This is a photo of a {label}" for label in cifar100.classes] text_tokens = clip.tokenize(text_descriptions).cuda() with torch.no_grad(): text_features = model.encode_text(text_tokens).float() text_features /= text_features.norm(dim=-1, keepdim=True)
          text_probs = (100.0 * image_features @ text_features.T).softmax(dim=-1) top_probs, top_labels = text_probs.cpu().topk(5, dim=-1) plt.figure(figsize=(16, 16)) for i, image in enumerate(original_images): plt.subplot(4, 4, 2 * i + 1) plt.imshow(image) plt.axis("off")
          plt.subplot(4, 4, 2 * i + 2) y = np.arange(top_probs.shape[-1]) plt.grid() plt.barh(y, top_probs[i]) plt.gca().invert_yaxis() plt.gca().set_axisbelow(True) plt.yticks(y, [cifar100.classes[index] for index in top_labels[i].numpy()]) plt.xlabel("probability")
          plt.subplots_adjust(wspace=0.5) plt.show()

          可以看到,分類的效果還是非常好的。

          編輯:黃繼彥

          瀏覽 47
          點贊
          評論
          收藏
          分享

          手機掃一掃分享

          分享
          舉報
          評論
          圖片
          表情
          推薦
          點贊
          評論
          收藏
          分享

          手機掃一掃分享

          分享
          舉報
          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            <del id="afajh"><form id="afajh"></form></del>
                1. <th id="afajh"><progress id="afajh"></progress></th>
                  <b id="afajh"><abbr id="afajh"></abbr></b>
                  <th id="afajh"><progress id="afajh"></progress></th>
                  天天澡天天添天天天爱 | 人人爽爽人人 | 毛片网站大全免费在线观看 | 久久亚洲综合精品人妻 | 二人做人爱的视频 |