2019图像AI模型训练技巧九阳神功-BoF论文解读

2019图像AI模型训练技巧九阳神功-BoF论文解读

looking for papers for Bag of Freebies for Training Object Detection Neural Networks

contributer : leoluopy

• 欢迎提issue.欢迎watch ，star.
• 微信号：leoluopy
• 关注AI前沿技术及商业落地，欢迎交流

更多AI图像笔记分享：https://github.com/leoluopy/paper_discussing

Overview

• 在大环境大家都在比拼模型设计，机器训练资源情况下，作者提出了一些了训练技巧，不改变任何网络结构在各种检测网络中都取得了不错的提升效果
• 同步BN(如果多卡)
• 随机图像尺寸采样
• cosine学习率衰减
• label-smooth标签平滑
• mixup图像融合叠加

提升效果

上图的标准是COCO的mAP值，YOLO提升最大达到５个点，

上图是一个典型举例，数据集存在一个场景采样限制问题，如上图所示大象基本不太可能出现在家里（家里装不下嘛） 基于这样的数据集神经网络很可能学习到数据的这样隐式依赖，大象不会出现在房屋中。从而降低了检测器效果。

作者提出或者说改进的mixup方法就解决这样的问题。

开源实现

• YOLO实现传送门

同步BN

• BN已经在神经网络的训练中得到了广泛的运用，随着训练数据集的不断增大，多卡，多机器训练成为趋势，各个batch被切分 为更小的batch在各个卡和各个机器中训练，基于BN的公式，多卡和多机器训练时，梯度分量计算会产生差异。这种差异在分类任务中不明显，在检测任务中影响会比较大。
• 同步BN在运算不同机器或者显卡梯度分量前会首先同步，从而保证期望和方差一致性。

随机图像尺寸

• 随机图像尺寸比较常规，就是YOLO这样的类似全卷积网络中，为了防止模型对图像尺寸产生过拟合输入图像进行不同scale的缩放，以YOLO3为例(416-608之间32为间隔，随机缩放)

cosine学习率

• 学习率衰减曲线图如其名，开始训练和结束训练阶段，学习率衰减较慢，训练的中间阶段学习率下降迅速。

label smooth 标签平滑

• ε:固定较小常数
• K:分类数目
• 两个q分布是原始GT和平滑后的GT

标签平滑其实也是一种正则化手段，其目的是为了增强模型的泛化能力。他的具体做法是：将GT做相应的削弱

通俗的理解就是：让分类器不那么肯定这个结果，从而去掉哪些过于特例话的特征，并提取更加通用的特征。

图像mixup混合

• mixup　思路比较简单，两幅图像分布按照相应比例，不同透明度进行叠加
• 整体图像透明度比例符合beta分布，并且分布的a,b系数选择1.5

参考代码

    mix_img = mx.nd.zeros(shape=(height, width, 3), dtype='float32')
    mix_img[:img1.shape[0], :img1.shape[1], :] = img1.astype('float32') * lambd
    mix_img[:img2.shape[0], :img2.shape[1], :] += img2.astype('float32') * (1. - lambd)
    mix_img = mix_img.astype('uint8')

各个方法的贡献统计

• 图像融合贡献最大，其次标签平滑，ｃｏｓｉｎｅ学习率，标签平滑和随机图像大小贡献差异不大。