对比学习的概念很早就有了,但真正成为热门方向是在2020年的2月份,Hinton组的Ting Chen提出了SimCLR,用该框架训练出的表示以7%的提升刷爆了之前的SOTA,甚至接近有监督模型的效果。在SimCLR推出后,各路大佬们又陆续提出了不少有意义的工作,本文将对2020年的一些对比学习经典研究进行总结,方便大家快速掌握这个方向的原理和发展脉络。
首先再简要说下对比学习的基本原理,先从无监督表示学习讲起。表示学习的目标是为输入 学习一个表示 ,最好的情况就是知道 就能知道 。这就引出了无监督表示学习的第一种做法:生成式自监督学习。比如还原句子中被mask的字,或者还原图像中被mask的像素。但这种方式的前提需要假设被mask的元素是相互独立的,不符合真实情况。另一方面,研究者们也质疑如此细粒度的还原是否真正必要。
举个例子,假如有人让你凭空画一张一美元,你可能只画成这样[1]:
![](https://i-blog.csdnimg.cn/blog_migrate/e34cf60eaa93842e8a1992ebb20566ff.png)
而如果给你一张美元照着临摹,可能还能画好看点,比如这样:
![](https://i-blog.csdnimg.cn/blog_migrate/80910581c6d32733afce0e22b75015cd.png)
所以说我们记住的事物特征,不一定是像素级别的,而是更高维度的。更具体来说,比如用编码去做分类任务,我们不需要知道每个数据的细节,只要抓住每个类别的主要特征,自然就能把他们分开了:
![](https://i-blog.csdnimg.cn/blog_migrate/6960a265afbf962c2283e554ec5eeb33.png)
不重构数据,那如何衡量表示 的好坏呢?这时也可以用互信息 ,代表我们知道了 之后, 的信息量减少了多少。 如果对最大化互信息的目标进行推导[2],就会得到对比学习的loss(也称InfoNCE),其核心是通过计算样本表示间的距离,拉近正样本,拉远负样本。也就是说,当我们能够区分该样本的正负例时,得到的表示就够用了。
具体的做法是,输入N个图片,用不同的数据增强方法为每个图片生成两个view,分别对它们编码得到y和y'。我们对上下两批表示两两计算cosine,得到NxN的矩阵,每一行的对角线位置代表y和y'的相似度,其余代表y和N-1个负例的相似度。
![](https://i-blog.csdnimg.cn/blog_migrate/3c3d3e788afa26a7dd658c824319ab42.png)
对每一行做softmax分类,采用交叉熵损失作为loss,就得到对比学习的损失了:
其中 是可调节的系数。
对比学习的原理很简单,比较粗暴的优化方向就是增加view难度、增加更多负例、提升encoder表现等。下面就让我们看看大佬们在这一年里是如何花式优化的。
P.S. 在公众号「李rumor」后台回复「对比」直接下载7篇论文喔
MoCo(CVPR20)
既然对比是在正负例之间进行的,那负例越多,这个任务就越难,于是一个优化方向就是增加负例。
纯粹的增大batch size是不行的,总会受到GPU内存限制。一个可行的办法就是增加memory bank,把之前编码好的样本存储起来,计算loss的时候一起作为负例:
![](https://i-blog.csdnimg.cn/blog_migrate/765fd01f8f6a725a83b9f73535ee0deb.png)
但这样有个问题是存储好的编码都是之前的编码器计算的,而 的编码器一直在更新,会有两侧不一致的情况,影响目标优化。一个可行方法之一就是用最新的左侧encoder更新编码再放入memory bank,但这依然避免不了memory bank中表示不一致的情况,实验效果很差。
所以何凯明大佬在2019年底推出了MoCo(Momentum Contrast)模型[3],延续memory bank的思想,使用动量的方式更新encoder参数,解决新旧候选样本编码不一致的问题:
![](https://i-blog.csdnimg.cn/blog_migrate/288a5a4066e76e10e4784c4636f9d385.png)
对于每个batch x:
随机增强出 、 两种view
分别用 、 对输入进行编码得到归一化的 q 和 k,并去掉 k 的梯度更新
将 q 和 k 一一对应相乘得到正例的cosine(Nx1),再将 q 和队列中存储的K个负样本相乘(NxK),拼接起来的到 Nx(1+K) 大小的矩阵,这时第一个元素就是正例,直接计算交叉熵损失,更新 的参数
动量更新 的参数:
将 k 加入队列,把队首的旧编码出队,负例最多时有65536个
这样每次入队的新编码都是上一步更新后的编码器输出,以很低的速度慢慢迭代,与旧编码尽量保持一致。实验发现,m=0.999时比m=0.9好上很多。最终在ImageNet的实验效果也远超前人,成为当时的SOTA:
![](https://i-blog.csdnimg.cn/blog_migrate/d1320a2a2fc13b6fe0d19426a7208d8c.png)
SimCLR(ICML20)
SimCLR是Hinton组的Chen Ting在20年2月提出的工作,直接比MoCo高出了7个点,并直逼监督模型的结果:
![](https://i-blog.csdnimg.cn/blog_migrate/f97efd77ed2bc635c1cf0cd6d32b4957.png)
框架结构还是采用双塔:
![](https://i-blog.csdnimg.cn/blog_migrate/ab695c104ca9a48eb6ac38bb11eb120b.png)
主要做了以下改动:
探究了不同的数据增强组合方式,选取了最优的
在encoder之后增加了一个非线性映射 。研究发现encoder编码后的 会保留和数据增强变换相关的信息,而非线性层的作用就是去掉这些信息,让表示回归数据的本质。注意非线性层只在无监督训练时用,在迁移到其他任务时不使用
计算loss时多加了负例。以前都是拿右侧数据的N-1个作为负例,SimCLR将左侧的N-1个也加入了进来,总计2(N-1)个负例。另外SImCLR不采用memory bank,而是用更大的batch size,最多的时候bsz为8192,有16382个负例
MoCo v2
SimCLR推出后一个月,何凯明和Chen Xinlei同学对MoCo进行了一些小改动:
改进了数据增强方法
训练时在encoder的表示上增加了相同的非线性层
为了对比,学习率采用SimCLR的cosine衰减
![](https://i-blog.csdnimg.cn/blog_migrate/d3569e1f6d03226861168d153969f17a.png)
经过改动后,以更小的batch size就超过了SimCLR的表现:
![](https://i-blog.csdnimg.cn/blog_migrate/c999661e625f4dc49af21b82433b4713.png)
SimCLR v2(NIPS20)
在2020年中,Hinton组的Chen Ting同学又提出了SimCLR v2[4],主要做了以下改动:
采用更深但维度略小的encoder,从 ResNet-50 (4×) 改到了 ResNet-152 (3×+SK),在1%的监督数据下提升了29个点
采用更深的3层MLP,并在迁移到下游任务时保留第一层(以前是完全舍弃),在1%的监督数据下提升了14个点
参考了MoCo使用memory,但由于batch已经足够大了,只有1%左右的提升
最终模型比之前的SOTA好了不少:
![](https://i-blog.csdnimg.cn/blog_migrate/67e38c830a05b493cde425d93655dd58.png)
SwAV(NIPS20)
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也推出了一个新的方法SwAV。作者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:
![](https://i-blog.csdnimg.cn/blog_migrate/e3103892f807eea8ffecec56f234a4af.png)
具体的做法是,先用K个点 表示聚类中心(prototypes),给定一个batch的编码 ,将其通过 映射到一组新的向量 。这里假设向量都是d维的[5],那C的维度就是 dxK,Z的维度是 dxB,Q的维度则是KxB,每个元素 相当于第k个聚类中心与第b个样本的相似度,理想情况下,样本与自己的类簇中心相似度为1,与其他的为0, 其实就是一个one-hot label。不过作者发现soft label效果会好一些。这样每个样本又获得了一个新的表示(Codes)。
有了 和 之后,理论上同一张图片不同view所产生的 和 也可以相互预测,作者便定义了新的loss:
其中
同时SwAV也提出了一种新的数据增强方法,将不同分辨率的view进行mix。最终两种方法的结合带来了4.2个点的提升:
![](https://i-blog.csdnimg.cn/blog_migrate/bd49aa1f36b7c63aa3f82b0c38820df4.png)
BYOL
上文讲的方法来回都逃不过“对比”这个范式,而DeepMind提出的BYOL则给了我们一个不同视角。
在表示学习中,我们现在采用的框架本质是通过一个view的表示去预测相同图像其他view,能预测对说明抓住了图像的本质特征。但在做这样的预测时会有坍缩(collapse)的风险,意思是全都变成一个表示,那也可以做到预测自己。对比学习为了解决这个问题,将表示预测问题转换为了正负例判别问题,这样就迫使模型的输出是多样的,避免坍缩。
于是BYOL的作者想:如何不用负例,也能学到好的表示呢?如果共用encoder,用MSE作为损失,缩小相同图像不同view的距离,肯定会坍缩。而作者发现如果把其中一个encoder变成随机初始化的固定下来(stop gradient),就能达到18.8%的准确率。为了得到更好的encoder,作者参考动量的方法对其中一个encoder做了改进:
![](https://i-blog.csdnimg.cn/blog_migrate/1aca6369b6f9c5906f1ffaf5a064f145.png)
这里我们按照论文,称上半部分为online(更新梯度),下半部分为target(不更新梯度)。BYOL的优化目的是用online表示预测target表示,采用MSE作为损失函数。Online梯度回传后,使用滑动平均对targe的encoder和MLP参数进行更新。在预测阶段只使用 。
虽然BYOL没有显示地使用对比学习loss,但一篇博主在实验[6]中发现BYOL依靠的还是“对比”。他们在复现BYOL的时候直接基于了MoCo的代码,结果发现效果还没有随机的好,原来是因为MLP中没有加BN。如果深究BN的作用,就会发现它重新调整了输出的分布,避免坍缩,同时BN也在隐式地进行对比,去除batch内样本相同的部分,保留不同的特征。
同时,在不依赖负样本后,BYOL对于数据增强方法的选择更加鲁棒,下面是它的效果:
![](https://i-blog.csdnimg.cn/blog_migrate/58accce12c8a004214605301dc039dc0.png)
SimSiam
延续BYOL的思想,Chen Xinlei与何凯明大佬又对孪生网络进行了研究,发现stop-gradient是避免坍缩的关键,于是提出了SimSiam。
SimSiam的结构非常简单:
![](https://i-blog.csdnimg.cn/blog_migrate/30fa93a33d53686424cfa9b0dba97dd4.png)
左侧的编码器生成 ,经过MLP后输出
右侧的编码器生成
计算 与 的cosine相似度
左右调换,再计算 与 的cosine相似度
最大化3、4两个步骤的和,且右侧永远不传播梯度
训练步骤虽然简洁,但为什么work却有很多学问。简单的解释是,对于整体目标的优化可以看作一个EM过程,左右两边交替更新,所以在更新左侧encoder时可以将右侧看成常数。更多的细节可以参考Andy的详解。
最终SimSiam的效果超过了众多前辈,但仍比BYOL差3个点:
![](https://i-blog.csdnimg.cn/blog_migrate/85724776e65c0ae2a67181a44e4fb3e3.png)
同时他们提到,孪生网络自带建模不变性(invariance)的归纳偏置(inductive bias):
two observations of the same concept should produce the same outputs
这个发现可以帮我们理解为什么孪生网络效果很好,表示学习就是要建模数据中的不变性。
其他细节
1. 数据增强方法
![](https://i-blog.csdnimg.cn/blog_migrate/b62abc10a5db518332339b6a293e8035.png)
SimCLR中对数据增强方法进行了研究,得到了两个结论:
不同的数据增强方式组合起来会更好,单一增强的任务太简单
Crop和Color组合的方式最好,因为大多数图像中的颜色是比较一致的,即使裁剪也会容易辨认,如果去掉颜色会增加任务难度
2. BatchNorm导致的信息泄露
在分布式训练中,BN都是分别在各个设备上做的。而对比学习的正例对在一个机器上计算,会出现信息泄露。个人认为,在BN去除batch内共同特征时,很可能被归一化到相似的分布,降低任务难度。
MoCo的解决办法是把一边的样本重新shuffle再并行,另一边顺序不变,这样batch的统计量就不同了;SimCLR的解法是计算一个全局的BN值。
3. MLP
在SimCLR以后的工作中都使用了MLP,SimSiam也对它的作用进行了探究:
![](https://i-blog.csdnimg.cn/blog_migrate/3a572955617a48da7b01123892d37e86.png)
可以看到不使用MLP基本没效果可言。作者通过实验发现:MLP可能承担了估计整体期望的功能。这同SimCLR最初增加MLP时的发现是一致的,核心思想还是过滤表示中的无效特征,得到本质,服务于“对比”任务。
总结
对比学习在2020年异常火爆,CV领域的高质量研究层出不穷,很多都超过了有监督学习的表现。这次我们只介绍了无监督对比学习,实际上它在有监督任务上也有应用,同时NLP、Graph领域也都看得到它的身影。期待CV与NLP领域相互借鉴,碰撞出更好的工作。
参考资料
[1]
Contrastive Self-Supervised Learning: https://ankeshanand.com/blog/2020/01/26/contrative-self-supervised-learning.html
[2]深度学习的互信息:无监督提取特: 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与clustering的结合(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
往期精彩回顾
适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载机器学习的数学基础专辑
获取本站知识星球优惠券,复制链接直接打开:
https://t.zsxq.com/qFiUFMV
本站qq群704220115。
加入微信群请扫码: