自监督SOTA框架 | BYOL(优雅而简洁) | 2020

---

• 文章原创自微信公众号「机器学习炼丹术」
• 作者：炼丹兄
• 联系方式：微信cyx645016617

---

本篇文章主要讲解两个无监督2020年比较新比较火的论文：

• 论文名称：“Bootstrap Your Own Latent: A New Approach to Self-Supervised Learning”
• 论文链接：https://arxiv.org/pdf/2006.07733.pdf

0 综述

BYOL是Boostrap Your Own Latent，这个无监督框架非常的优雅和简单，而且work。收到了很多人的称赞，上一个这样起名的在我认知中就是YOLO。两者都非常简单而优美。

1 数学符号

这个结构有两个网络，一个是online network，一个是target network。

• online network：用$\theta$来表示online network的参数，包含，encoder$f_{\theta }$,projector$g_{\theta }$和predictor$q_{\theta }$
• target netowrk:使用$\xi$来表示参数，也有$f_{\xi }$和$g_{\xi }$,但是没有predictor。

我们会更新online network，然后用滑动平均的方式，更新target network：

$\xi \leftarrow \tau \xi +(1-\tau )\theta$

现在我们有一个图像数据集D，其中获取一个图片$x\in D$,然后我们对这个D做不同的图像增强，得到了两个新的分布$\mathrm{T}$和${\mathrm{T}}^{\prime }$,然后从两个新分布中获取的图片，用$v$和$v^{\prime }$标记。也就是说，如果用$t()$和$t^{\prime }()$表示对图像做图像增强的过程，那么$v=t(x),v^{\prime }=t^{\prime }(x)$。

2 损失函数

我们现在有$v$，经过encoder，得到$y=f_{\theta }(v)$,经过prejector，得到$z=g_{\theta }(y)$,经过predictor，得到$q_{\theta }(z)$;同理，target network也是如此，只是没有最后的predictor，最终得到$z^{\prime }$。

我们对$z^{\prime }$和$q_{\theta }(z)$做l2-normalization，含义为取出这两个隐含变量的绝对大小，而保留其方向性，为后面要做的向量点乘做铺垫。

上图中，$\overline{q_{\theta }}(z)=\frac{q_{\theta }(z)}{||q_{\theta }(z)|{|}_2}$，损失函数不难，其实有点像是：$2-2\cos \theta$

上面，我们得到了损失$L_{\theta ,\xi }$，接下来，我们需要计算symmetric loss，这个是把v和v‘分别放入target network和online network计算，得到的${\tilde{L}}_{\theta ,\xi }$,然后论文中提到，通过SGD来最小化

$L_{\theta ,\xi }^{BYOL}=L_{\theta ,\xi }+{\tilde{L}}_{\theta ,\xi }$

需要注意的是，这个优化的过程，仅仅更新online network，target network的参数不变化，目的是让online network逐渐拥有target network的性能

因此，这个BYOL的整个训练过程可以浓缩成下面的两行：

3 细节部分

3.1 图像增强

3.2 结构

上图中的encoder$f_{\theta },f_{\xi }$使用的是resnet50和post activation，这里第一次看到post activation，就去看了一下发现，其实就是先卷积还是先激活层，如果relu放在conv后面就是post activation，relu放在conv前面就是pre activation。

经过encoder，一个图片会输出2048个features，然后经过MLP，特征扩展到4096个特征，最终输出256个特征，在SimCLR模型中，MLP后跟了一个BN层和Relu激活层，但是在BYOP中没有BN层。

3.3 优化器

使用的是LARS优化器，使用cosine 学习率衰减策略，训练1000epoch，其中包含10个warn-up epoch。学习率设置的为0.2。

至于online更新到target的参数$\tau$,${\tau }_{base}=0.996$,

$\tau =1-(1-{\tau }_{base})(\cos \frac{\pi k}{K}+1)\frac{1}{2}$

k is current training step and K is maximum training steps.

3.4 财力

batchsize为4096，分布在512个TPU v3的核，训练encoder大约需要8个hour。

4 模型评估

在ImageNet上做监督学习，先用无监督训练好encoder后，然后用标准的resnet50进行监督微调：

前面同行，这里的监督训练也是获取ImageNet上的少部分数据集进行训练，所以叫做semi-supervised：

这样的方法在其他的分类数据集上的效果：

觉得笔记不错的，可以关注作者的微信公众号「机器学习炼丹术」。