【计算机视觉】对比学习综述（自己的一些理解）

对比loss

对比学习的 loss（InfoNCE）即以最 大化互信息为目标推导而来。其核心是通过计算样本表示间的距离，拉近正样本， 拉远负样本，因而训练得到的模型能够区分正负例。

具体做法为：对一个 batch 输入的图片，随机用不同的数据增强方法生成两个 view，对他们用相同的网络 结构进行特征提取，得到 y 和 y’，来自同一张图像的两个不同的表示构成一对正样本对，来自不同图像任意表示对为一对负样本对。随后对上下两批表示两两计算 cosine similarity，得到 N*N 的矩阵，每一行的对角线位置代表 y 和 y’的相似 度，其余代表 y 和 N-1 个负样本对的相似度。计算公式如下（T 为超参）：

 

MOCO（memory bank）

MOCO 的一个核心观点是，样本数量对于对比学习很重要。从 InfoNCE loss 我们可以看出，增加负例的数量可以防止过拟合，与此同时，负例越多，这个任务的难度就越大，因而通过增加负例的方式可作为一个优化方向。但是纯粹的增加 batch size 会使得 GPU 超负荷。一个可行的方法就是增加 memory bank，把之前编码好的样本存储起来，计算 loss 的时候随机采样负例。但是这样会存在一个问题，就是存储好的编码都是之前编码计算的，而 Xq 经过误差回传后一直在更新，样本缺乏一致性，影响目标优化。因而在此基础上 Moco 提出了一种动量对比 (Mometum contrast) 的方法提高每个 mini-batch 的负样本数量。

MOCO的改进方法：动量更新，主要是为了解决引入队列维护字典之后，字典的编码器无法通过梯度反传获得参数更新的问题。

Moco就提出Momentum Contrast的方法解决Memory Bank的缺点，该方法使用一个队列来存储和采样 negative 样本，队列中存储多个近期用于训练的 batch 的特征向量。队列容量要远小于 Memory Bank，但可以远大于 batch 的容量，如下图所示。这里momentum encoder可以和encoder完全一致参与梯度下降，也可以是对query encoder的平滑拷贝。

我的疑问：这样还有类似于memory bank的负采样吗？如果没有，那么bacthsize岂不是还是不能增大？这只是解决了encoder同步更新的问题。-----》以上下划线

SimCLR

在 encoder 之后增加了一个非线性映射。研究发现 encoder 编码后的 h 会保留和数据增强变换相关的信息，而非线性层的作用就是去掉这些信息，让表示回归数据的本质。

自监督学习速览 - 搬砖啦姜姜的文章 - 知乎

经典论文学习笔记——13篇对比学习（Contrastive Learning）