本博文转载自:https://blog.csdn.net/shaoxiaohu1/article/details/53325945
参考文献: Liu W, Wen Y, Yu Z, et al. Large-Margin Softmax Loss for Convolutional Neural Networks[C]//Proceedings of The 33rd International Conference on Machine Learning. 2016: 507-516.
摘要点击打开链接
Softmax Loss 函数经常在卷积神经网络被用到,较为简单实用,但是它并不能够明确引导网络学习区分性较高的特征。这篇文章提出了large-marin softmax (L-Softmax) loss, 能够有效地引导网络学习使得类内距离较小、类间距离较大的特征。同时,L-Softmax不但能够调节不同的间隔(margin),而且能够防止过拟合。可以使用随机梯度下降法推算出它的前向和后向反馈,实验证明L-Softmax学习出的特征更加有可区分性,并且在分类和验证任务上均取得比softmax更好的效果。
算法介绍
1. Softmax Loss回顾
在介绍L-Softmax之前,我们先来回顾下softmax loss。当定义第 ii 个输入特征 XiXi 以及它的标签 yiyi时,softmax loss 记为:
其中 fjfj 表示最终全连接层的类别输出向量 ff 的第 jj 个元素, NN 为训练样本的个数。由于 ff 是全连接层的激活函数 WW 的输出,所以 fyifyi 可以表示为 fyi=WTyixifyi=WyiTxi , 最终的损失函数又可以写为:
其中 0≤θj≤π0≤θj≤π 。 虽然softmax在深度卷积神经网络中有着广泛的应用,但是这种形式并不能够有效地学习得到使得类内较为紧凑、类间较离散的特征。
2. 动机
初始的softmax的目的是使得WT1x>WT2xW1Tx>W2Tx,即 ‖W1‖‖x‖cos(θ1)>‖W2‖‖x‖cos(θ2)‖W1‖‖x‖cos(θ1)>‖W2‖‖x‖cos(θ2),从而得到 xx (来自类别1)正确的分类结果。作者提出large-magrin softmax loss的动机是希望通过增加一个正整数变量 mm,从而产生一个决策余量,能够更加严格地约束上述不等式,即:
其中 0≤θ1<πm0≤θ1<πm 。如果 W1W1 和 W2W2 能够满足 ‖W1‖‖x‖cos(mθ1)>‖W2‖‖x‖cos(θ2)‖W1‖‖x‖cos(mθ1)>‖W2‖‖x‖cos(θ2) ,那么就必然满足 ‖W1‖‖x‖cos(θ1)>‖W2‖‖x‖cos(θ2)‖W1‖‖x‖cos(θ1)>‖W2‖‖x‖cos(θ2) 。这样的约束对学习 W1W1 和 W2W2 的过程提出了更高的要求,从而使得1类和2类有了更宽的分类决策边界。
(其实说白了,基于softmax loss学习同类和不同类样本时,都用的是同一种格式,因此学习到的特征的类内和类间的可区分性不强。而这篇论文是在学习同类样本时,特意增强了同类学习的难度,这个难度要比不同类的难度要大些。这样的区别对待使得特征的可区分性增强。感觉就像是管孩子,对自己家的孩子严一些,对别人家的孩子宽容些,哈哈)
Large-Margin Softmax Loss
按照上节的思路,L-Softmax loss可写为:
在这里,ψ(θ)ψ(θ) 可以表示为:
当 mm 越大时,分类的边界越大,学习难度当然就越高。同时,公式中的 (θ)D(θ) 必须是一个单调减函数且 (πm)=cos(πm)D(πm)=cos(πm) , 以保证 ψ(θ)ψ(θ) 是一个连续函数。 (这样的要求是为了保证 ψ(θ)ψ(θ) 和 cos(θ)cos(θ) 是较为类似的函数,具体的数学原理我不是特别清楚)
作者为了能够简化前向和后向传播,构建了这样一种函数形式ψ(θ)ψ(θ):
其中 kk 是一个整数且 k∈[0,m−1]k∈[0,m−1] 。下图是softmax loss 和L-Softmax loss的比较。
再使用 WTjxi‖Wj‖‖xi‖WjTxi‖Wj‖‖xi‖ 替代 cos(θj)cos(θj), 以及将cos(mθyi)cos(mθyi)替换为 cos(θyi)cos(θyi) 和 mm 的函数(论文中已交待,太长,我就不敲上去了),这样,最终的L-Softmax loss 函数就可以分别对 xx 和 WW 进行求导。后续的推导过程可以参考原论文(公式太多,我又太懒)。
简单分析
为了简单明了地表明L-Softmax Loss的有效性,作者讨论了一个二分类问题,只包含 W1W1 和 W2W2。分析结果如下图所示。
在训练过程中,当 W1=W2W1=W2 时,softmax loss 要求 θ1<θ2θ1<θ2, 而 L-Softmax则要求mθ1<θ2mθ1<θ2,我们从图中可以看到L-Softmax得到了一个更严格的分类标准。当W1>W2W1>W2 和 W1<W2W1<W2 时,虽然情况会复杂些,但是同样可以看到L-Softmax会产生一个较大的决策余量。
实验结果
作者分别使用分类和人脸验证对softmax loss 和L-Softmax Loss进行了对比。在分类问题中,采用了MNIST, CIFAR10以及CIFAR100三个数据集进行评测,而人脸验证则采用了LFW进行验证。
最后的结果是L-Softmax Loss均取得了更好的效果,而且当mm 越大时,最终的结果会越好。特别值得一提的是,作者仅使用了 WebFace的人脸数据作为训练集和一个较小的卷积网络,就在LFW上达到了98.71%的正确率。
总结
L-Softmax Loss有一个清楚的几何解释,并且能够通过设置 mm 来调节训练难度。它还能够有效地防止过拟合,能够有效地减小类内距离,同时增加类间距离。最终的分类和人脸验证实验也证明,它取得了比softmax loss更好的结果。
PS: 有同学已经开始使用L-Softmax Loss,不过反映训练难度比较大,需要反复调参。等有空了我也来试试。深度学习的东西我研究的时间也不是很长,一些东西没有理解到位。错误在所难免,欢迎拍砖。