【论文阅读】Bag of Tricks for Image Classification with Convolutional Neural Networks

Bag of Tricks for Image Classification with Convolutional Neural Networks

论文：https://arxiv.org/pdf/1812.01187.pdf

本文作者总结了模型训练过程中可以提高准确率的方法,如题，作者说 bag of tricks，阅读了一遍文章，有用的内容挺多，为了比赛上分，可以一试，总结如下。文中提到的方法在GLuonCV 0.3中有实现，可以参考这个源代码。

文中提到技巧不仅可以应用于图像分类任务中，还可以应用于图像识别和语义分割任务中。

有效训练

利用更大的batch size 进行训练，但利用更大的batch size使得验证集上的准确率降低，为解决这个问题，文中提出了四种解决方法，分别为：Linear scaling learning rate, Learning rate warmup, Zero $\gamma$ ,No bias decay。具体可参考文中说明，实验结果如下，对准确率几乎无提升。

利用16位进行训练可有效的减少模型的训练时间，结果如下：

模型优化

在ResNet的结构基础上调整了模型中间部分结构，下图为ResNet-50网络结构：

​ 修改上图中的Down Sampling结构为下图中的ResNet-D,其中下图中的(a)是之前修改使用的模型，(b)是将输入部分的7x7卷积核换成了3x3卷积核,Inception-v2网络中有使用。

实验结果为下表，从表中可以看出修改模型后的准确率有较明显的提升。

训练过程优化

1） cos学习率衰减

常用的学习率衰减方法为“step decay”,如每过30个epochs,学习率乘以0.1，cos学习率衰减公式如下：
$${\eta }_t=\frac{1}{2}\left(1+\cos \left(\frac{t\pi }{T}\right)\right)\eta$$
其中，$T$为总的batches数，t为第几个batch,$\eta$为初始学习率，实验过程学习率变化如下图，cos学习率衰减方法在起始阶段，学习率衰减较慢，中间阶段趋于线性衰减，后序阶段衰减较快，认为该衰减方法有效的原因是cos衰减在训练没过多久学习率很大，而step方法的学习率降低很多，而起始阶段的高学习率可以加速训练过程。

2） label 平滑

这个label平滑大致意思就是正常情况下真值是1，非真值是0，平滑处理后真值不等于1，变换方法如下：
$$q_i=\{\begin{array}{ll}1-\epsilon & \text{ if }i=y\\ \epsilon /(K-1)& \text{ otherwise }\end{array}$$

3） 知识蒸馏

利用教师模型来指导学生模型训练，教师模型是指对同一个任务准确率高的模型，例如，利用ResNet-152作为教师模型，ResNet-50作为学生模型，引入蒸馏损失函数来进行优化，公式如下：
$$\ell (p,\text{ softmax }(z))+T^2\ell (\text{ softmax }(r/T),\text{ softmax }(z/T))$$
$p$表示真实值，$z$表示学生模型预测输出，$r$表示老师模型预测输出，$T$为超参数， $\ell (p,\text{softmax}(z))$表示交叉熵损失函数；

4） 混合训练

混合的意思是给定两个值，根据给定的两个值获得一个新的值，利用如下公式：
$$\begin{array}{l}\hat{x}=\lambda x_i+(1-\lambda )x_j\\ \hat{y}=\lambda y_i+(1-\lambda )y_j\end{array}$$
上述4个方法的实验结果如下，提到的方法对模型的准确率提升都有影响，而知识蒸馏方法对Inception-V3和MobileNet没有提升，文中的解释是使用Resnet-152作为教师模型，而和后两个模型属于不同的模型家族，预测结果的分布也不同，因此对后两个模型到来的负面的影响。

总结

本文从模型优化，学习率衰减，label平滑，知识蒸馏，混合训练等方面总结了一些模型训练技巧，对准确率提升有较好的作用。

参考

https://github.com/kmkolasinski/deep-learning-notes/tree/master/seminars/2018-12-Improving-DL-with-tricks
https://zhuanlan.zhihu.com/p/51870052