论文阅读：HMER via Attention Aggregation based Bi-directional Mutual Learning

最新推荐文章于 2023-07-14 09:55:13 发布

Ashleyyyi

最新推荐文章于 2023-07-14 09:55:13 发布

阅读量2.8k

点赞数 11

文章标签：机器学习人工智能神经网络

本文链接：https://blog.csdn.net/handsome_lionet/article/details/124101127

版权

一、简介

本文提出了一个新的具有注意聚集和双向相互学习(ABM)的HMER框架，如图所示。模型包括三个模块：特征提取、注意聚合和双向促进学习。

（1）在特征提取模块（FEM）中，使用DenseNet作为特征提取器，因为它在WAP中被证明是有效的，从数学表达式图像中提取特征信息。

（2）在注意聚合模块（AAM）中，提出了多尺度覆盖注意，对齐历史注意信息，在解码阶段有效地聚合不同大小的尺度特征，来识别数学表达式中不同大小的字符，从而提高了当前的识别精度，缓解了误差积累的问题。

（3）在双向相互学习模块（BML）中，提出了一种新的解码器框架，有两个方向相反的并行解码器分支(L2R和R2L)，并使用相互蒸馏来促进彼此学习。在训练过程中，每个解码器分支不仅可以学习ground truth的latex序列，还可以学习另一个分支的预测，提高解码能力.

二、方法

Feature Extraction Module

使用密集连接的卷积网络(DenseNet)作为编码器，从输入图像中提取特征。输出H×W×D的三维特征图F。值得注意的是，这里将输出特征视为M维的向量a={a1，a2，...，aM}，其中ai∈RD，M=H×W。

Attention Aggregation Module

注意机制引导解码器聚焦于输入图像的特定区域，基于覆盖的注意力可以更好地跟踪对齐信息，并指导一个模型，将更高的注意力概率分配给未翻译区域。本文提出了注意聚集模块(AAM)，在覆盖注意力上聚合不同的感受野。与传统的注意力机制相比，AAM不仅关注局部区域的详细特征，而且还关注更大的感受野的全局信息。因此，AAM能产生更精细的信息对齐，并帮助模型捕获更准确的空间关系。与DWAP-msa相比，本文的注意机制需要更少的参数和计算。使用隐藏状态ˆht、特征图F和覆盖注意βt来计算上下文向量，过程如下：首先，U_s和U_l分别表示小核和大核的卷积运算，βt表示过去所有注意概率之和，初始化为零向量，然后计算覆盖注意力αl为第l步时的注意力得分。当前的注意力图αt为Wˆh，Ws和Wl是可训练的权值矩阵，Uf是1×1卷积运算，hˆt表示等式中GRU生成的隐藏状态。上下文向量记为ct，是特征内容信息a的加权和：其中αt，i是在步骤t时F的第i个特征的权重。

Bi-directional Mutual Learning Module

给定一个输入的数学表达式图像，传统的HMER方法从左到右解码(L2R)，没有充分考虑长距离依赖性。因此，提出利用双流解码器将输入图像分成两个相反方向(L2R和R2L)的LaTex序列，然后相互学习解码信息。这两个分支具有相同的架构，只是在其解码方向上有所不同。L2R和R2L分支在步骤t处预测符号的概率计算如下：j

其中隐藏层状态hˆt计算过程如下：

其中f1和f2分别代表单向的GRU单元。

对于两个分支输出的概率分布，作者引入自蒸馏思想，将两解码分支通过Kullback-Leibler (KL) 损失函数在每个时间步上对预测的软概率作为标签进行交互学习。对于k个字符类别，L2R的软概率分布定义为：

其中S是生成概率标签的温度参数。

由此可以得到L2R和R2L分支的KL距离为：

最终整体网络的目标为最小化两个分支的交叉熵损失与交互学习的KL损失之和：

三、实验与代码

两个不同的解码器分支被设置为不同的权重初始化方法。对于解码器，n=256，d=512，d=684和K=113(在111个标签基础上添加开始和结束符号)。损失函数λ=0.5。使用Adadelta优化器进行优化，其学习率从1开始，当WER在15个周期内不下降时，衰减幅度会小2倍。当学习率下降10倍时，训练就会停止。batchsize = 16。

与以前方法的比较，在训练过程中都没有使用数据增强。

消融实验，两个模块都可以提升准确率，并且两个模块的整体识别率相互促进。

文章所提出的两个方向（L2R 和 R2L）的 LaTeX 序列的覆盖注意力可视化过程。蓝色框表示当前时间步中正在解码的字符。

作者使用t-SNE进一步可视化CROHME 2014测试数据集上10个字符的特征分布。作者输入了所有之前的正确符号来解码当前的符号，并将分类器第一个全连接层之前的特征进行了可视化。可以看出，此方法的聚类效果更好。

代码组织如下：

python = 3.6 numpy = 1.19.4 torch = 1.6.0

除此之外，将双向交互学习应用在其他的解码器如GRU、LSTM、Transformer上，都可以在推理时不增加额外参数的前提下，很有效的提高它们的性能。