2020年度自监督学习梳理

2020年， Google 大脑、Facebook AI 团队 (FAIR)以及 DeepMind AI 团队相继发表了contrastive learning框架。本文整理了2020年以来，对比学习(contrastive learning )的重要里程碑和大佬们的研究路线，方便大家掌握发展路径和现状。

在开始之前，先介绍self-supervised learning (自监督学习) 与contrastive learning (对比学习) 这两个热点名词。

01

Self-Supervised Learning

Self-Supervised Learning（SSL） 是近几年的热点名词，定义上回顾一下：

  • unsupervised：是使用没有标注的数据训练模型

  • supervised：是使用了有标注的数据训练模型

  • semi-supervised ：是同时使用了有标注与没有标注的数据训练模型。

而self-supervised翻成中文大概是自监督学习，也就是没有标注资料也会自己会学习的方法。属于unsupervised learning。

02

Contrastive Learning

Contrastive learning是self-supervised learning中非常naive的想法之一。像小孩子学习一样，透过比较猫狗的同类之间相同之处与异类之间不同之处，在即使是在不知道什么是猫、什么是狗的情况下 (甚至没有语言定义的情况)，也可以学会分辨猫狗。

03

RoadMap of SSL

如上图，从MoCo到SimSiam，这些论文都来自三大组：

  • Facebook AI Research (FAIR) ：MoCo v1&v2, SwAV，Simsiam

  • Google Research, Brain Team：SimCLR v1 & v2

  • DeepMind Research：BYOL

（1）Facebook AI Research (FAIR) ：

MoCo(CVPR 2020) - Momentum Contrast for Unsupervised Visual Representation Learning

链接：https://arxiv.org/pdf/1911.05722.pdf

代码：https://github.com/facebookresearch/moco

MoCo (momentum contrast) 的想法是维持两个encoder，一个使用gradient decent训练，另一个的参数则是跟着第一个encode的参数，但是使用momentum更新，保持一个相似但不同的状态。而这个momentum encoder的输出会被一个queue储存起来，取代原本的memory bank。相比原本的memory bank作法，MoCo的储存的representation比较新，保持一致性的同时也藉由momentum encoder确保了足够的对比性。

最终在ImageNet的实验结果达到当时的SOTA。

MoCov2 - Improved Baselines with Momentum Contrastive Learning

链接：https://arxiv.org/pdf/2003.04297.pdf

代码：https://github.com/facebookresearch/moco

MoCov2 只是将SimCLR的两个组件 (stronger data augmentation与投影网络)加入MoCo的架构。相对于SimCLR，多了momentum encoder与memory bank，且不需要特别大的batch。

如下图，图中的顶行和底行表示相同的网络（由θ参数化），MoCo将单个网络拆分为θ参数化的在线网络（顶行）和ξ参数化的动量网络（下排）。在线网络采用随机梯度下降法进行更新，动量网络则基于在线网络权值的指数移动平均值进行更新。动量网络允许MoCo有效地利用过去预测的记忆库作为对比损失的反面例子。这个内存库使批处理的规模小得多。在我们的狗图像插图中，正面的例子是相同图像的狗的作物。反面例子是在过去的小批量中使用的完全不同的图像，它们的投影存储在内存库中。

SwAV(NIPS 2020) - Unsupervised Learning of Visual Features by Contrasting Cluster Assignments

链接：https://arxiv.org/pdf/2006.09882.pdf

代码：https://github.com/facebookresearch/swav

对比学习需要很多负例进行比较，既耗时又耗内存，于是FAIR联合Inria也推出了SwAV，提出了一个新的想法：对各类样本进行聚类，然后去区分每类的类簇。模型结构如下：

SimSiam - Exploring Simple Siamese Representation Learning

链接：https://arxiv.org/pdf/2011.10566.pdf

代码：https://github.com/PatrickHua/SimSiam

简单用一句话描述SimSiam就是没有momentum encoder的BYOL。BYOL拿掉了MoCo的memory bank，SimSiam进一步地拿掉了momentum encoder。方法简单，同样能避免collapsing output的发生。

SimSiam的架构与BYOL一样是三个阶段的架构，先过主网络embedding，再过小网络projection，最后过小网络prediction。与BYOL不同之处在于SimSiam并没有两组网络参数，同一个网络对于不同的view交互地用latent projection互为彼此的prediction target。在更新参数时，都只计算prediction那条路线的gradient，也自然没有什么momentum encoder。

在实验结果上，SimSiam并不是最强的，但是是所有方法中最简单、最好实现的。

（2）Google Research, Brain Team：

SimCLR(ICML 2020) - A Simple Framework for Contrastive Learning of Visual Representations

链接：https://arxiv.org/pdf/2002.05709.pdf

代码：https://github.com/google-research/simclr

SimCLR是self-supervised learning与contrastive learning中重要的一个相当重要的里程碑，其最大的特点在于研究各种数据增强 (data augmentation) 作为SSL的归纳偏置 (inductive bias)，并利用不同data间彼此的互斥强化学习目标，避免contrastive learning的output collapse。

整体运作概念分为三个阶段：

  • 先sample一些图片(batch of image)

  • 对batch里的image做两种不同的data augmentation

  • 希望同一张影像、不同augmentation的结果相近，并互斥其他结果。

如果要将SimCLR的架构划分阶段，大致可以分成两个阶段，首先是大个embedding网络执行特征抽取得到y，接下来使用一个小的网络投影到某个固定维度的空间得到z。

这个小网络投影也是SimCLR的另一个特点。对于同一个x，用data augmentation得到不同的v，通过网络抽取、投影得到固定维度的特征，计算z的contrastive loss，直接用gradient decent同时训练两个阶段的网络。

SimCLR直接比MoCo高出了7个点，并直逼监督模型的结果。

SimCLRv2(NIPS 2020)- Big Self-Supervised Models are Strong Semi-Supervised Learners

链接：https://arxiv.org/abs/2006.10029

代码：https://github.com/google-research/simclr

SimCLRv2使用了一种独特的方法，包括使用的无监督预训练、有监督的微调和未标记数据的蒸馏，使其成为计算机视觉中半监督学习的一个令人惊讶的强大基准，远远领先于最新技术。

（3）DeepMind Research：

BYOL - Bootstrap your own latent: A new approach to self-supervised Learning

链接：https://arxiv.org/pdf/2006.07733.pdf

代码：deepmind/deepmind-research

BYOL建立在MoCo动量网络概念的基础上，添加了一个MLP来从 z 预测 p ，BYOL使用归一化预测 p 和目标z’之间的L2 loss，而不是使用对比损失。继续使用我们的dog image示例，BYOL尝试将dog图像的两个裁剪转换为相同的表示向量（使 p 和 z’相等）。因为这个损失函数不需要负示例，所以在BYOL中没有内存库的用处。

在BYOL中的两个MLP仅第一个线性层之后使用批处理标准化。

04

总结

Self-supervised learning在2020年获得很大的进展，而且许多优质论文都是来自强大的公司的研究团队，可以预想到这是一个学界与业界都热烈渴求的方向。不过时至今日，SSL在工业上的应用应该还是相对较少。

———— End ————

赞 (0)

相关推荐