一文梳理2020年大熱的對(duì)比學(xué)習(xí)模型
對(duì)比學(xué)習(xí)的概念很早就有了，但真正成為熱門方向是在2020年的2月份，Hinton組的Ting Chen提出了SimCLR，用該框架訓(xùn)練出的表示以7%的提升刷爆了之前的SOTA，甚至接近有監(jiān)督模型的效果。在SimCLR推出后，各路大佬們又陸續(xù)提出了不少有意義的工作，本文將對(duì)2020年的一些對(duì)比學(xué)習(xí)經(jīng)典研究進(jìn)行總結(jié)，方便大家快速掌握這個(gè)方向的原理和發(fā)展脈絡(luò)。
首先再簡(jiǎn)要說下對(duì)比學(xué)習(xí)的基本原理，先從無監(jiān)督表示學(xué)習(xí)講起。表示學(xué)習(xí)的目標(biāo)是為輸入 學(xué)習(xí)一個(gè)表示 ，最好的情況就是知道 就能知道 。這就引出了無監(jiān)督表示學(xué)習(xí)的第一種做法：生成式自監(jiān)督學(xué)習(xí)。比如還原句子中被mask的字，或者還原圖像中被mask的像素。但這種方式的前提需要假設(shè)被mask的元素是相互獨(dú)立的，不符合真實(shí)情況。另一方面，研究者們也質(zhì)疑如此細(xì)粒度的還原是否真正必要。
舉個(gè)例子，假如有人讓你憑空畫一張一美元，你可能只畫成這樣[1]：
而如果給你一張美元照著臨摹，可能還能畫好看點(diǎn)，比如這樣：
所以說我們記住的事物特征，不一定是像素級(jí)別的，而是更高維度的。更具體來說，比如用編碼去做分類任務(wù)，我們不需要知道每個(gè)數(shù)據(jù)的細(xì)節(jié)，只要抓住每個(gè)類別的主要特征，自然就能把他們分開了：
不重構(gòu)數(shù)據(jù)，那如何衡量表示 的好壞呢？這時(shí)也可以用互信息 ，代表我們知道了 之后， 的信息量減少了多少。 如果對(duì)最大化互信息的目標(biāo)進(jìn)行推導(dǎo)[2]，就會(huì)得到對(duì)比學(xué)習(xí)的loss（也稱InfoNCE），其核心是通過計(jì)算樣本表示間的距離，拉近正樣本，拉遠(yuǎn)負(fù)樣本。也就是說，當(dāng)我們能夠區(qū)分該樣本的正負(fù)例時(shí)，得到的表示就夠用了。
具體的做法是，輸入N個(gè)圖片，用不同的數(shù)據(jù)增強(qiáng)方法為每個(gè)圖片生成兩個(gè)view，分別對(duì)它們編碼得到y(tǒng)和y'。我們對(duì)上下兩批表示兩兩計(jì)算cosine，得到NxN的矩陣，每一行的對(duì)角線位置代表y和y'的相似度，其余代表y和N-1個(gè)負(fù)例的相似度。
對(duì)每一行做softmax分類，采用交叉熵?fù)p失作為loss，就得到對(duì)比學(xué)習(xí)的損失了：
其中 是可調(diào)節(jié)的系數(shù)。
對(duì)比學(xué)習(xí)的原理很簡(jiǎn)單，比較粗暴的優(yōu)化方向就是增加view難度、增加更多負(fù)例、提升encoder表現(xiàn)等。下面就讓我們看看大佬們?cè)谶@一年里是如何花式優(yōu)化的。
P.S.?在公眾號(hào)「李rumor」后臺(tái)回復(fù)「對(duì)比」直接下載7篇論文喔
MoCo（CVPR20）
既然對(duì)比是在正負(fù)例之間進(jìn)行的，那負(fù)例越多，這個(gè)任務(wù)就越難，于是一個(gè)優(yōu)化方向就是增加負(fù)例。
純粹的增大batch size是不行的，總會(huì)受到GPU內(nèi)存限制。一個(gè)可行的辦法就是增加memory bank，把之前編碼好的樣本存儲(chǔ)起來，計(jì)算loss的時(shí)候一起作為負(fù)例：
但這樣有個(gè)問題是存儲(chǔ)好的編碼都是之前的編碼器計(jì)算的，而 的編碼器一直在更新，會(huì)有兩側(cè)不一致的情況，影響目標(biāo)優(yōu)化。一個(gè)可行方法之一就是用最新的左側(cè)encoder更新編碼再放入memory bank，但這依然避免不了memory bank中表示不一致的情況，實(shí)驗(yàn)效果很差。
所以何凱明大佬在2019年底推出了MoCo（Momentum Contrast）模型[3]，延續(xù)memory bank的思想，使用動(dòng)量的方式更新encoder參數(shù)，解決新舊候選樣本編碼不一致的問題：
對(duì)于每個(gè)batch x：
隨機(jī)增強(qiáng)出 、 兩種view 分別用 、 對(duì)輸入進(jìn)行編碼得到歸一化的 q 和 k，并去掉 k 的梯度更新 將 q 和 k 一一對(duì)應(yīng)相乘得到正例的cosine（Nx1），再將 q 和隊(duì)列中存儲(chǔ)的K個(gè)負(fù)樣本相乘（NxK），拼接起來的到 Nx(1+K) 大小的矩陣，這時(shí)第一個(gè)元素就是正例，直接計(jì)算交叉熵?fù)p失，更新 的參數(shù) 動(dòng)量更新 的參數(shù)： 將 k 加入隊(duì)列，把隊(duì)首的舊編碼出隊(duì)，負(fù)例最多時(shí)有65536個(gè)
這樣每次入隊(duì)的新編碼都是上一步更新后的編碼器輸出，以很低的速度慢慢迭代，與舊編碼盡量保持一致。實(shí)驗(yàn)發(fā)現(xiàn)，m=0.999時(shí)比m=0.9好上很多。最終在ImageNet的實(shí)驗(yàn)效果也遠(yuǎn)超前人，成為當(dāng)時(shí)的SOTA：
SimCLR（ICML20）
SimCLR是Hinton組的Chen Ting在20年2月提出的工作，直接比MoCo高出了7個(gè)點(diǎn)，并直逼監(jiān)督模型的結(jié)果：
框架結(jié)構(gòu)還是采用雙塔：
主要做了以下改動(dòng)：
探究了不同的數(shù)據(jù)增強(qiáng)組合方式，選取了最優(yōu)的 在encoder之后增加了一個(gè)非線性映射 。研究發(fā)現(xiàn)encoder編碼后的 會(huì)保留和數(shù)據(jù)增強(qiáng)變換相關(guān)的信息，而非線性層的作用就是去掉這些信息，讓表示回歸數(shù)據(jù)的本質(zhì)。注意非線性層只在無監(jiān)督訓(xùn)練時(shí)用，在遷移到其他任務(wù)時(shí)不使用 計(jì)算loss時(shí)多加了負(fù)例。以前都是拿右側(cè)數(shù)據(jù)的N-1個(gè)作為負(fù)例，SimCLR將左側(cè)的N-1個(gè)也加入了進(jìn)來，總計(jì)2(N-1)個(gè)負(fù)例。另外SImCLR不采用memory bank，而是用更大的batch size，最多的時(shí)候bsz為8192，有16382個(gè)負(fù)例
MoCo v2
SimCLR推出后一個(gè)月，何凱明和Chen Xinlei同學(xué)對(duì)MoCo進(jìn)行了一些小改動(dòng)：
改進(jìn)了數(shù)據(jù)增強(qiáng)方法 訓(xùn)練時(shí)在encoder的表示上增加了相同的非線性層 為了對(duì)比，學(xué)習(xí)率采用SimCLR的cosine衰減
經(jīng)過改動(dòng)后，以更小的batch size就超過了SimCLR的表現(xiàn)：
SimCLR v2（NIPS20）
在2020年中，Hinton組的Chen Ting同學(xué)又提出了SimCLR v2[4]，主要做了以下改動(dòng)：
采用更深但維度略小的encoder，從 ResNet-50 (4×) 改到了 ResNet-152 (3×+SK)，在1%的監(jiān)督數(shù)據(jù)下提升了29個(gè)點(diǎn) 采用更深的3層MLP，并在遷移到下游任務(wù)時(shí)保留第一層（以前是完全舍棄），在1%的監(jiān)督數(shù)據(jù)下提升了14個(gè)點(diǎn) 參考了MoCo使用memory，但由于batch已經(jīng)足夠大了，只有1%左右的提升
最終模型比之前的SOTA好了不少：
SwAV（NIPS20）
對(duì)比學(xué)習(xí)需要很多負(fù)例進(jìn)行比較，既耗時(shí)又耗內(nèi)存，于是FAIR聯(lián)合Inria也推出了一個(gè)新的方法SwAV。作者提出了一個(gè)新的想法：對(duì)各類樣本進(jìn)行聚類，然后去區(qū)分每類的類簇。模型結(jié)構(gòu)如下：
具體的做法是，先用K個(gè)點(diǎn) 表示聚類中心（prototypes），給定一個(gè)batch的編碼 ，將其通過 映射到一組新的向量 。這里假設(shè)向量都是d維的[5]，那C的維度就是 dxK，Z的維度是 dxB，Q的維度則是KxB，每個(gè)元素 相當(dāng)于第k個(gè)聚類中心與第b個(gè)樣本的相似度，理想情況下，樣本與自己的類簇中心相似度為1，與其他的為0，其實(shí)就是一個(gè)one-hot label。不過作者發(fā)現(xiàn)soft label效果會(huì)好一些。這樣每個(gè)樣本又獲得了一個(gè)新的表示（Codes）。
有了 和 之后，理論上同一張圖片不同view所產(chǎn)生的 和 也可以相互預(yù)測(cè)，作者便定義了新的loss：
其中
同時(shí)SwAV也提出了一種新的數(shù)據(jù)增強(qiáng)方法，將不同分辨率的view進(jìn)行mix。最終兩種方法的結(jié)合帶來了4.2個(gè)點(diǎn)的提升：
BYOL
上文講的方法來回都逃不過“對(duì)比”這個(gè)范式，而DeepMind提出的BYOL則給了我們一個(gè)不同視角。
在表示學(xué)習(xí)中，我們現(xiàn)在采用的框架本質(zhì)是通過一個(gè)view的表示去預(yù)測(cè)相同圖像其他view，能預(yù)測(cè)對(duì)說明抓住了圖像的本質(zhì)特征。但在做這樣的預(yù)測(cè)時(shí)會(huì)有坍縮（collapse）的風(fēng)險(xiǎn)，意思是全都變成一個(gè)表示，那也可以做到預(yù)測(cè)自己。對(duì)比學(xué)習(xí)為了解決這個(gè)問題，將表示預(yù)測(cè)問題轉(zhuǎn)換為了正負(fù)例判別問題，這樣就迫使模型的輸出是多樣的，避免坍縮。
于是BYOL的作者想：如何不用負(fù)例，也能學(xué)到好的表示呢？如果共用encoder，用MSE作為損失，縮小相同圖像不同view的距離，肯定會(huì)坍縮。而作者發(fā)現(xiàn)如果把其中一個(gè)encoder變成隨機(jī)初始化的固定下來（stop gradient），就能達(dá)到18.8%的準(zhǔn)確率。為了得到更好的encoder，作者參考動(dòng)量的方法對(duì)其中一個(gè)encoder做了改進(jìn)：
這里我們按照論文，稱上半部分為online（更新梯度），下半部分為target（不更新梯度）。BYOL的優(yōu)化目的是用online表示預(yù)測(cè)target表示，采用MSE作為損失函數(shù)。Online梯度回傳后，使用滑動(dòng)平均對(duì)targe的encoder和MLP參數(shù)進(jìn)行更新。在預(yù)測(cè)階段只使用 。
雖然BYOL沒有顯示地使用對(duì)比學(xué)習(xí)loss，但一篇博主在實(shí)驗(yàn)[6]中發(fā)現(xiàn)BYOL依靠的還是“對(duì)比”。他們?cè)趶?fù)現(xiàn)BYOL的時(shí)候直接基于了MoCo的代碼，結(jié)果發(fā)現(xiàn)效果還沒有隨機(jī)的好，原來是因?yàn)镸LP中沒有加BN。如果深究BN的作用，就會(huì)發(fā)現(xiàn)它重新調(diào)整了輸出的分布，避免坍縮，同時(shí)BN也在隱式地進(jìn)行對(duì)比，去除batch內(nèi)樣本相同的部分，保留不同的特征。
同時(shí)，在不依賴負(fù)樣本后，BYOL對(duì)于數(shù)據(jù)增強(qiáng)方法的選擇更加魯棒，下面是它的效果：
SimSiam
延續(xù)BYOL的思想，Chen Xinlei與何凱明大佬又對(duì)孿生網(wǎng)絡(luò)進(jìn)行了研究，發(fā)現(xiàn)stop-gradient是避免坍縮的關(guān)鍵，于是提出了SimSiam。
SimSiam的結(jié)構(gòu)非常簡(jiǎn)單：
左側(cè)的編碼器生成 ，經(jīng)過MLP后輸出 右側(cè)的編碼器生成 計(jì)算 與 的cosine相似度 左右調(diào)換，再計(jì)算 與 的cosine相似度 最大化3、4兩個(gè)步驟的和，且右側(cè)永遠(yuǎn)不傳播梯度
訓(xùn)練步驟雖然簡(jiǎn)潔，但為什么work卻有很多學(xué)問。簡(jiǎn)單的解釋是，對(duì)于整體目標(biāo)的優(yōu)化可以看作一個(gè)EM過程，左右兩邊交替更新，所以在更新左側(cè)encoder時(shí)可以將右側(cè)看成常數(shù)。更多的細(xì)節(jié)可以參考Andy的詳解。
最終SimSiam的效果超過了眾多前輩，但仍比BYOL差3個(gè)點(diǎn)：
同時(shí)他們提到，孿生網(wǎng)絡(luò)自帶建模不變性（invariance）的歸納偏置（inductive bias）：
two observations of the same concept should produce the same outputs
這個(gè)發(fā)現(xiàn)可以幫我們理解為什么孿生網(wǎng)絡(luò)效果很好，表示學(xué)習(xí)就是要建模數(shù)據(jù)中的不變性。
其他細(xì)節(jié)
1. 數(shù)據(jù)增強(qiáng)方法
SimCLR中對(duì)數(shù)據(jù)增強(qiáng)方法進(jìn)行了研究，得到了兩個(gè)結(jié)論：
不同的數(shù)據(jù)增強(qiáng)方式組合起來會(huì)更好，單一增強(qiáng)的任務(wù)太簡(jiǎn)單 Crop和Color組合的方式最好，因?yàn)榇蠖鄶?shù)圖像中的顏色是比較一致的，即使裁剪也會(huì)容易辨認(rèn)，如果去掉顏色會(huì)增加任務(wù)難度
2. BatchNorm導(dǎo)致的信息泄露
在分布式訓(xùn)練中，BN都是分別在各個(gè)設(shè)備上做的。而對(duì)比學(xué)習(xí)的正例對(duì)在一個(gè)機(jī)器上計(jì)算，會(huì)出現(xiàn)信息泄露。個(gè)人認(rèn)為，在BN去除batch內(nèi)共同特征時(shí)，很可能被歸一化到相似的分布，降低任務(wù)難度。
MoCo的解決辦法是把一邊的樣本重新shuffle再并行，另一邊順序不變，這樣batch的統(tǒng)計(jì)量就不同了；SimCLR的解法是計(jì)算一個(gè)全局的BN值。
3. MLP
在SimCLR以后的工作中都使用了MLP，SimSiam也對(duì)它的作用進(jìn)行了探究：
可以看到不使用MLP基本沒效果可言。作者通過實(shí)驗(yàn)發(fā)現(xiàn)：MLP可能承擔(dān)了估計(jì)整體期望的功能。這同SimCLR最初增加MLP時(shí)的發(fā)現(xiàn)是一致的，核心思想還是過濾表示中的無效特征，得到本質(zhì)，服務(wù)于“對(duì)比”任務(wù)。
總結(jié)
對(duì)比學(xué)習(xí)在2020年異常火爆，CV領(lǐng)域的高質(zhì)量研究層出不窮，很多都超過了有監(jiān)督學(xué)習(xí)的表現(xiàn)。這次我們只介紹了無監(jiān)督對(duì)比學(xué)習(xí)，實(shí)際上它在有監(jiān)督任務(wù)上也有應(yīng)用，同時(shí)NLP、Graph領(lǐng)域也都看得到它的身影。期待CV與NLP領(lǐng)域相互借鑒，碰撞出更好的工作。
參考資料
Contrastive Self-Supervised Learning: https://ankeshanand.com/blog/2020/01/26/contrative-self-supervised-learning.html
[2]深度學(xué)習(xí)的互信息：無監(jiān)督提取特: https://kexue.fm/archives/6024
[3]Momentum Contrast for Unsupervised Visual Representation Learning: https://arxiv.org/pdf/1911.05722.pdf
[4]Big Self-Supervised Models are Strong Semi-Supervised Learners: https://arxiv.org/pdf/2006.10029.pdf
[5]representation learning與clustering的結(jié)合(3): SwAV: https://zhuanlan.zhihu.com/p/259975814
[6]Understanding self-supervised and contrastive learning with BYOL: https://untitled-ai.github.io/understanding-self-supervised-contrastive-learning.html
往期精彩回顧
獲取本站知識(shí)星球優(yōu)惠券，復(fù)制鏈接直接打開：
https://t.zsxq.com/qFiUFMV
本站qq群704220115。
加入微信群請(qǐng)掃碼：