PaperLink: https://arxiv.org/pdf/2207.10666.pdf
code: https://github.com/microsoft/Cream/tree/main/TinyViT
概要
1.基于IN-21K预训练TinyVit时使用快速蒸馏的方法,然后在IN-1K上微调,间接提高小模型对大数据的拟合能力;
2.不同于传统vit-block的设计,提出分层vit-block模块: 特征分辨率随着stage的增加逐步减少
技术名词解释
- Large-scale pretraining:使用大规模数据预训练的基础大模型,在多种下游任务中表现出色,eg: CLIP, Align,Florence.
- Small vision transformers:
- Knowledge distillation:1)DeiT,使用CNN蒸馏Vit(引入可蒸馏的token);2)在image与patch间使用跳层连接;3)基于 pretraining的蒸馏正在研究中。
技术细节
-
Fast Pretraining Distillation
提前存储好数据增强+教师模型Florence的预测输出logits(TopK,稀疏的标签),蒸馏时直接load,如下图所示
-
Model Architectures
指标见下图:
分析
- 限制小模型拟合大规模数据的潜在因素是什么?
IN-21K中含有约10%的困难样本,如:1)标签错误;2)相似的图像是不同的标签(同一幅图像中显著性较强的目标不止1个),小模型很难拟合困难样本。清除部分困难样本后,小模型精度+;蒸馏(使用软标签)可避免这些困难样本带来的阻碍 - 为什么蒸馏可以解锁/促进小模型拟合大规模数据的能力?
学生可以直接学习教师的domain知识:训练时,教师将类别间的关系注入到学生中,过滤掉了学生模型的噪音样本
如图3所示,蒸馏后的TinyViT的Pearson关系更接近教师模型
小结
- 使用更强的教师模型+更多的数据,解锁小模型的特征表达力 + 设计具有更高效的尺度下降模块的小模型(兼顾精度与性能)可研究;
- 文中tiny-vit中使用了DW,带bias(使用bias代替pos_emb,无cls_token,含window-size)的att/LeAttention,不知是否便于部署。
- IN-21k的数据说明+处理 戳这里