本文转自:https://blog.csdn.net/u013082989/article/details/83537370
一、 Triplet loss1
1、介绍
Triplet loss最初是在 FaceNet: A Unified Embedding for Face Recognition and Clustering 论文中提出的,可以学到较好的人脸的embedding
为什么不适用 softmax函数呢,softmax最终的类别数是确定的,而Triplet loss学到的是一个好的embedding,相似的图像在embedding空间里是相近的,可以判断是否是同一个人脸。
2、原理
输入是一个三元组 <a, p, n>
a: anchor 锚点
p: positive, 与 a 是同一类别的样本
n: negative, 与 a 是不同类别的样本
公式是: L = max(d(a, p) - d(a, n) + margin, 0)
所以最终的优化目标是拉近 a, p 的距离, 拉远 a, n 的距离
easy triplets: L=0即d(a,p)+margin<d(a,n),情况不需要优化,天然a, p的距离很近, a, n的距离远
hard triplets: d(a,n)<d(a,p), 即a, p的距离远
semi-hard triplets:d(a,p)<d(a,n)<d(a,p)<d(a,p)+margin, 即a, n的距离靠的很近,但是有一个margin
FaceNet 中是随机选取semi-hard triplets 进行训练的, (也可以选择 hard triplets 或者两者一起进行训练)
3、训练方法
3.1 offline
训练集所有数据经过计算得到对应的 embeddings, 可以得到 很多<i, j, k> 的三元组,然后再计算 triplet loss
效率不高,因为需要过一遍所有的数据得到三元组,然后训练反向更新网络
3.2 online
从训练集中抽取B个样本,然后计算 B 个embeddings,可以产生
B
3
B^{3}
B3个 triplets (当然其中有不合法的,因为需要的是<a, p, n>)
实际使用中采用此方法,又分为两种策略 (是在一篇行人重识别的论文中提到的 In Defense of the Triplet Loss for Person Re-Identification ),假设 B=PK,其中P个身份的人,每个身份的人K张图片(一般K 取 4)
Batch All: 计算batch_size中所有valid的hard triplet 和 semi-hard triplet, 然后取平均得到Loss
注意因为很多 easy triplets的情况,所以平均会导致Loss很小,所以是对所有 valid 的所有求平均 (下面代码中会介绍)
可以产生 PK(K−1)(PK−K)个triplets
PK个 anchor
K-1 个 positive
PK-K 个 negative
Batch Hard: 对于每一个anchor, 选择距离最大的d(a, p) 和 距离最大的 d(a, n)
所以公有 PK 个 三元组triplets
二、 Tensorflow 中的实现
Tensorflow 中有实现好的triplet loss 接口,这里自己实现,(实现起来还是有点绕的, 有一些小细节问题)
使用numpy也仿照实现了,便于调试查看中间的结果, 全部代码
1、Batch All
1.1 计算两两embeddings的距离
numpy 中的实现,便于调试理解, 点击查看
输入大小是(batch_size, vector_size)大小的 embeddings 向量
因为
(
a
−
b
)
2
=
a
2
−
2
a
b
+
b
2
(a-b)^{2}=a^{2}-2ab+b^{2}
(a−b)2=a2−2ab+b2 矩阵相乘
e
m
b
e
d
d
i
n
g
s
×
e
m
b
e
d
d
i
n
g
s
T
embeddings\times embeddings^{T}
embeddings×embeddingsT包含a*b的值,对象线上是向量平方的值,所以可以直接使用矩阵计算
如果不使用平方,就开根号,
注意根号下不能为0,0开根号是没有问题的,但是Tensorflow梯度反向传播是就会导致无穷大,所以加上一个平滑项1e-16,最后再修改回来。
def _pairwise_distance(embeddings, squared=False):
'''
计算两两embedding的距离
------------------------------------------
Args:
embedding: 特征向量, 大小(batch_size, vector_size)
squared: 是否距离的平方,即欧式距离
Returns:
distances: 两两embeddings的距离矩阵,大小 (batch_size, batch_size)
'''
# 矩阵相乘,得到(batch_size, batch_size),因为计算欧式距离|a-b|^2 = a^2 -2ab + b^2,
# 其中 ab 可以用矩阵乘表示
dot_product = tf.matmul(embeddings, tf.transpose(embeddings))
# dot_product对角线部分就是 每个embedding的平方
square_norm = tf.diag_part(dot_product)
# |a-b|^2 = a^2 - 2ab + b^2
# tf.expand_dims(square_norm, axis=1)是(batch_size, 1)大小的矩阵,减去 (batch_size, batch_size)大小的矩阵,相当于每一列操作
distances = tf.expand_dims(square_norm, axis=1) - 2.0 * dot_product + tf.expand_dims(square_norm, axis=0)
distances = tf.maximum(distances, 0.0) # 小于0的距离置为0
if not squared: # 如果不平方,就开根号,但是注意有0元素,所以0的位置加上 1e*-16
distances = distances + mask * 1e-16
distances = tf.sqrt(distances)
distances = distances * (1.0 - mask) # 0的部分仍然置为0
return distances
1.2 计算valid mask
numpy 中的实现, 点击查看
上面得到了 (batch_size, batch_size) 大小的距离矩阵,然后就可以计算所有 embeddings 组成的三元组<i, j, k>损失
但是不是所有的三元组都是 valid 的, 要是<a, p, n>的形式,所以计算一个3D的mask,然后乘上得到的 (batch_size, batch_size, batch_size)的所有三元组的损失即可,如何得到mask呢
<i, j, k>要满足
i, j, k不相等
labels[i] == labels[j] and labels[i] != labels[k]
def _get_triplet_mask(labels):
'''
得到一个3D的mask [a, p, n], 对应triplet(a, p, n)是valid的位置是True
----------------------------------
Args:
labels: 对应训练数据的labels, shape = (batch_size,)
Returns:
mask: 3D,shape = (batch_size, batch_size, batch_size)
'''
# 初始化一个二维矩阵,坐标(i, j)不相等置为1,得到indices_not_equal
indices_equal = tf.cast(tf.eye(tf.shape(labels)[0]), tf.bool)
indices_not_equal = tf.logical_not(indices_equal)
# 因为最后得到一个3D的mask矩阵(i, j, k),增加一个维度,则 i_not_equal_j 在第三个维度增加一个即,(batch_size, batch_size, 1), 其他同理
i_not_equal_j = tf.expand_dims(indices_not_equal, 2)
i_not_equal_k = tf.expand_dims(indices_not_equal, 1)
j_not_equal_k = tf.expand_dims(indices_not_equal, 0)
# 想得到i!=j!=k, 三个不等取and即可, 最后可以得到当下标(i, j, k)不相等时才取True
distinct_indices = tf.logical_and(tf.logical_and(i_not_equal_j, i_not_equal_k), j_not_equal_k)
# 同样根据labels得到对应i=j, i!=k
label_equal = tf.equal(tf.expand_dims(labels, 0), tf.expand_dims(labels, 1))
i_equal_j = tf.expand_dims(label_equal, 2)
i_equal_k = tf.expand_dims(label_equal, 1)
valid_labels = tf.logical_and(i_equal_j, tf.logical_not(i_equal_k))
# mask即为满足上面两个约束,所以两个3D取and
mask = tf.logical_and(distinct_indices, valid_labels)
return mask
1.3 计算triplet loss
numpy 中的实现, 点击查看
1.1 中计算得到了两两embeddings的距离,大小 (batch_size, batch_size), 需要得到所有三元组的triplet loss, 即(batch_size, batch_size, batch_size)大小
为什么triplet_loss = anchor_positive_dist - anchor_negative_dist + margin 可以得到所有(i, j, k)的triplet loss,
如下图,x0y平面的是anchor_positive_dist的距离矩阵(其实是3D的, 想象一下)
x0z平面是anchor_negative_dist的距离矩阵(也是3D的)
两个相减, 比如0-0 = 0就相当于i=0, j=0的距离,减去 j=0, k=0的距离
以此类推,得到所有三元组的loss
def batch_all_triplet_loss(labels, embeddings, margin, squared=False):
'''
triplet loss of a batch
-------------------------------
Args:
labels: 标签数据,shape = (batch_size,)
embeddings: 提取的特征向量, shape = (batch_size, vector_size)
margin: margin大小, scalar
Returns:
triplet_loss: scalar, 一个batch的损失值
fraction_postive_triplets : valid的triplets占的比例
'''
# 得到每两两embeddings的距离,然后增加一个维度,一维需要得到(batch_size, batch_size, batch_size)大小的3D矩阵
# 然后再点乘上valid 的 mask即可
pairwise_dis = _pairwise_distance(embeddings, squared=squared)
anchor_positive_dist = tf.expand_dims(pairwise_dis, 2)
assert anchor_positive_dist.shape[2] == 1, "{}".format(anchor_positive_dist.shape)
anchor_negative_dist = tf.expand_dims(pairwise_dis, 1)
assert anchor_negative_dist.shape[1] == 1, "{}".format(anchor_negative_dist.shape)
triplet_loss = anchor_positive_dist - anchor_negative_dist + margin
mask = _get_triplet_mask(labels)
mask = tf.to_float(mask)
triplet_loss = tf.multiply(mask, triplet_loss)
triplet_loss = tf.maximum(triplet_loss, 0.0)
# 计算valid的triplet的个数,然后对所有的triplet loss求平均
valid_triplets = tf.to_float(tf.greater(triplet_loss, 1e-16))
num_positive_triplets = tf.reduce_sum(valid_triplets)
num_valid_triplets = tf.reduce_sum(mask)
fraction_postive_triplets = num_positive_triplets / (num_valid_triplets + 1e-16)
triplet_loss = tf.reduce_sum(triplet_loss) / (num_positive_triplets + 1e-16)
return triplet_loss, fraction_postive_triplets
2、Batch Hard
numpy 中的实现,点击查看
因为最后只有PKPK PKPK个triplet, 从 positive 中选择距离最大的,从 negative 中选择距离最小的即可
2.1 计算positive mask
满足 a!=p and a, p label一致即可
之后用mask 乘上计算的pairwice_distances, 然后取每行最大值即为每个样本对应 positive 的最大距离
def _get_anchor_positive_triplet_mask(labels):
'''
得到合法的positive的mask, 即2D的矩阵,[a, p], a!=p and a和p相同labels
------------------------------------------------
Args:
labels: 标签数据,shape = (batch_size, )
Returns:
mask: 合法的positive mask, shape = (batch_size, batch_size)
'''
indices_equal = tf.cast(tf.eye(tf.shape(labels)[0]), tf.bool)
indices_not_equal = tf.logical_not(indices_equal) # (i, j)不相等
labels_equal = tf.equal(tf.expand_dims(labels, 0), tf.expand_dims(labels, 1)) # labels相等,
mask = tf.logical_and(indices_not_equal, labels_equal) # 取and即可
return mask
2.2 计算negative mask
只需 [a, n] 对应的 labels 不一致即可
def _get_anchor_negative_triplet_mask(labels):
'''
得到negative的2D mask, [a, n] 只需a, n不同且有不同的labels
------------------------------------------------
Args:
labels: 标签数据,shape = (batch_size, )
Returns:
mask: negative mask, shape = (batch_size, batch_size)
'''
labels_equal = tf.equal(tf.expand_dims(labels, 0), tf.expand_dims(labels, 1))
mask = tf.logical_not(labels_equal)
return mask
2.3 batch hard loss
计算最大 positive 距离时直接取 valid 的每一行的最大值即可
计算最小negative 距离时不能直接取每一行的最小值,因为 invalid 位置的值为 0,所以可以在 invalid 位置加上每一行的最大值,然后就可以取每一行的最小值了
def batch_hard_triplet_loss(labels, embeddings, margin, squared=False):
'''
batch hard triplet loss of a batch, 每个样本最大的positive距离 - 对应样本最小的negative距离
------------------------------------
Args:
labels: 标签数据,shape = (batch_size,)
embeddings: 提取的特征向量, shape = (batch_size, vector_size)
margin: margin大小, scalar
Returns:
triplet_loss: scalar, 一个batch的损失值
'''
pairwise_distances = _pairwise_distance(embeddings)
mask_anchor_positive = _get_anchor_positive_triplet_mask(labels)
mask_anchor_positive = tf.to_float(mask_anchor_positive)
anchor_positive_dist = tf.multiply(mask_anchor_positive, pairwise_distances)
hardest_positive_dist = tf.reduce_max(anchor_positive_dist, axis=1, keepdims=True) # 取每一行最大的值即为最大positive距离
tf.summary.scalar("hardest_positive_dis", tf.reduce_mean(hardest_positive_dist))
'''取每一行最小值得时候,因为invalid [a, n]置为了0, 所以不能直接取,这里对应invalid位置加上每一行的最大值即可,然后再取最小的值'''
mask_anchor_negative = _get_anchor_negative_triplet_mask(labels)
mask_anchor_negative = tf.to_float(mask_anchor_negative)
max_anchor_negative_dist = tf.reduce_max(pairwise_distances, axis=1, keepdims=True) # 每一样最大值
anchor_negative_dist = pairwise_distances + max_anchor_negative_dist * (1.0 - mask_anchor_negative) # (1.0 - mask_anchor_negative)即为invalid位置
hardest_negative_dist = tf.reduce_min(anchor_negative_dist, axis=1, keepdims=True)
tf.summary.scalar("hardest_negative_dist", tf.reduce_mean(hardest_negative_dist))
triplet_loss = tf.maximum(hardest_positive_dist - hardest_negative_dist + margin, 0.0)
triplet_loss = tf.reduce_mean(triplet_loss)
return triplet_loss
三、具体使用
使用 mnist 数据集和 triplet loss 训练,最后得到的 embeddings应该是同一类别的靠在一起
因为只有 10 个类别,所以直接随机取 batch 大小的数据,这里batch_size=64,
注意如果类别很多时,就不能随机构建batch 了, 需要选 P 个类别,然后每个类别选 K 张图
3.1 构建模型
上一篇介绍了 tensorflow的高级API, 这里使用 Estimator 构建模型
全部代码:点击查看
3.1.1 使用Estimator
params 指定超参数, 这里保存为json 格式的文件,
配置为:
{
"learning_rate": 1e-3,
"batch_size": 64,
"num_epochs": 20,
"num_channels": 32,
"use_batch_norm": false,
"bn_momentum": 0.9,
"margin": 0.5,
"embedding_size": 64,
"triplet_strategy": "batch_all",
"squared": false,
"image_size": 28,
"num_labels": 10,
"train_size": 50000,
"eval_size": 10000,
"num_parallel_calls": 4,
"save_summary_steps": 50
}
def main(argv):
args = parser.parse_args(argv[1:])
tf.logging.info("创建模型....")
with open(args.model_config) as f:
params = json.load(f)
config = tf.estimator.RunConfig(model_dir=args.model_dir, tf_random_seed=100) # config
cls = tf.estimator.Estimator(model_fn=my_model, config=config, params=params) # 建立模型
tf.logging.info("开始训练模型,共{} epochs....".format(params['num_epochs']))
cls.train(input_fn = lambda: train_input_fn(args.data_dir, params)) # 训练模型,指定输入
tf.logging.info("测试集评价模型....")
res = cls.evaluate(input_fn = lambda: test_input_fn(args.data_dir, params)) # 测试模型,指定输入
for key in res:
print("评价---{} : {}".format(key, res[key]))
3.1.2 model_fn函数
下面都有对应注释
计算 embedding_mean_norm 中每一行 embeding 公式为: ∥ A ∥ F = [ ∑ i , j a b s ( a i , j ) 2 ] 1 2 \left \| A \right \|_{F}=[\sum _{i,j}abs(a_{i,j})^{2}]^{\frac{1}{2}} ∥A∥F=[i,j∑abs(ai,j)2]21 然后再取均值
def my_model(features, labels, mode, params):
'''
model_fn指定函数,构建模型,训练等
---------------------------------
Args:
features: 输入,shape = (batch_size, 784)
labels: 输出,shape = (batch_size, )
mode: str, 阶段
params: dict, 超参数
'''
is_training = (mode == tf.estimator.ModeKeys.TRAIN)
images = features
images = tf.reshape(images, shape=[-1, params['image_size'], params['image_size'], 1]) # reshape (batch_size, img_size, img_size, 1)
with tf.variable_scope("model"):
embeddings = build_model(is_training, images, params) # 简历模型
if mode == tf.estimator.ModeKeys.PREDICT: # 如果是预测阶段,直接返回得到embeddings
predictions = {'embeddings': embeddings}
return tf.estimator.EstimatorSpec(mode=mode, predictions=predictions)
'''调用对应的triplet loss'''
labels = tf.cast(labels, tf.int64)
if params['triplet_strategy'] == 'batch_all':
loss, fraction = batch_all_triplet_loss(labels, embeddings, margin=params['margin'], squared=params['squared'])
elif params['triplet_strategy'] == 'batch_hard':
loss = batch_hard_triplet_loss(labels, embeddings, margin=params['margin'], squared=params['squared'])
else:
raise ValueError("triplet_strategy 配置不正确: {}".format(params['triplet_strategy']))
embedding_mean_norm = tf.reduce_mean(tf.norm(embeddings, axis=1)) # 这里计算了embeddings的二范数的均值
tf.summary.scalar("embedding_mean_norm", embedding_mean_norm)
with tf.variable_scope("metrics"):
eval_metric_ops = {'embedding_mean_norm': tf.metrics.mean(embedding_mean_norm)}
if params['triplet_strategy'] == 'batch_all':
eval_metric_ops['fraction_positive_triplets'] = tf.metrics.mean(fraction)
if mode == tf.estimator.ModeKeys.EVAL:
return tf.estimator.EstimatorSpec(mode, loss=loss, eval_metric_ops=eval_metric_ops)
tf.summary.scalar('loss', loss)
if params['triplet_strategy'] == "batch_all":
tf.summary.scalar('fraction_positive_triplets', fraction)
tf.summary.image('train_image', images, max_outputs=1) # 1代表1个channel
optimizer = tf.train.AdamOptimizer(learning_rate=params['learning_rate'])
global_step = tf.train.get_global_step()
if params['use_batch_norm']:
'''如果使用BN,需要估计batch上的均值和方差,tf.get_collection(tf.GraphKeys.UPDATE_OPS)就可以得到
tf.control_dependencies计算完之后再进行里面的操作
'''
with tf.control_dependencies(tf.get_collection(tf.GraphKeys.UPDATE_OPS)):
train_op = optimizer.minimize(loss, global_step=global_step)
else:
train_op = optimizer.minimize(loss, global_step=global_step)
return tf.estimator.EstimatorSpec(mode, loss=loss, train_op=train_op)
3.1.3 构建模型,得到embeddings
def build_model(is_training, images, params):
'''
建立模型
----------------------------
Args:
is_training: bool, 是否是训练阶段,可以从mode中判断
images: (batch_size, 28*28*1), 输入mnist数据
params: dict, 一些超参数
Returns:
out: 输出的embeddings, shape = (batch_size, 64)
'''
num_channel = params['num_channels']
bn_momentum = params['bn_momentum']
channels = [num_channel, num_channel * 2]
out = images
for i, c in enumerate(channels):
with tf.variable_scope("block_{}".format(i)):
out = tf.layers.conv2d(out, c, 3, padding='same')
if params['use_batch_norm']:
out = tf.layers.batch_normalization(out, momentum=bn_momentum, training=is_training)
out = tf.nn.relu(out)
out = tf.layers.max_pooling2d(out, 2, 2)
assert out.shape[1:] == [7, 7, num_channel * 2]
out = tf.reshape(out, [-1, 7*7*num_channel*2])
with tf.variable_scope("fc_1"):
out = tf.layers.dense(out, params['embedding_size'])
return out
3.2 训练结果
3.2.1 batch all
python train_with_triplet_loss.py
可以在 tensorboard 中查看
tensorboard --logdir experiment/model/
embeddings_mean_norm
[ 可以看到是上升的,因为我们要学到可分性好的 embeddings, 那么其方差应该是偏大的,均值应该是变大的 ]
fraction positive
这个是收敛的,因为随着优化占的比例是越来越少
loss
注意这里的 loss 一般不是收敛的,因为是计算的 semi-hard 和 hard 的距离均值,因为每次是先选择出 semi-hard 和 hard 的 triplet, 那么上次优化后的可能就选择不到了,所以 loss 并不会收敛,但是fraction_postive_triplets 是收敛的,因为随着优化占的比例是越来越少的
3.2.2 batch hard
embeddings mean norm
loss
batch hard 的 loss 就应该是收敛的了
3.3 可视化embedding
全部代码: 点击查看
之前在 tensorflow 工具中使用过: 点击查看
这里将可视化 embeddings 的训练数据都放在 experiment/log文件夹下
另外我使用 tensorflow 1.11 出现问题,这里使用的版本是 tensorflow 1.10
加载训练的模型,预测得到embeddings
args = parser.parse_args(argv[1:])
with open(args.model_config) as f:
params = json.load(f)
tf.logging.info("创建模型....")
config = tf.estimator.RunConfig(model_dir=args.model_dir, tf_random_seed=100) # config
cls = tf.estimator.Estimator(model_fn=my_model, config=config, params=params) # 建立模型
tf.logging.info("预测....")
predictions = cls.predict(input_fn=lambda: test_input_fn(args.data_dir, params))
embeddings = np.zeros((10000, params['embedding_size']))
for i, p in enumerate(predictions):
embeddings[i] = p['embeddings']
tf.logging.info("embeddings shape: {}".format(embeddings.shape))
获得label数据,保存为 metadata.tsv文件
with tf.Session() as sess:
# Obtain the test labels
dataset = mnist_dataset.test(args.data_dir)
dataset = dataset.map(lambda img, lab: lab)
dataset = dataset.batch(10000)
labels_tensor = dataset.make_one_shot_iterator().get_next()
labels = sess.run(labels_tensor)
np.savetxt(os.path.join(args.log_dir, 'metadata.tsv'), labels, fmt='%d')
可视化embedding
shutil.copy(args.sprite_filename, args.log_dir)
'''可视化embeddings'''
with tf.Session() as sess:
# 1. Variable
embedding_var = tf.Variable(embeddings, name="mnist_embeddings")
#tf.global_variables_initializer().run() # 不需要
# 2. 保存到文件中,embeddings.ckpt
saver = tf.train.Saver()
sess.run(embedding_var.initializer)
saver.save(sess, os.path.join(args.log_dir, 'embeddings.ckpt'))
# 3. 关联metadata.tsv, 和mnist_10k_sprite.png
summary_writer = tf.summary.FileWriter(args.log_dir)
config = projector.ProjectorConfig()
embedding = config.embeddings.add()
embedding.tensor_name = embedding_var.name
embedding.metadata_path = 'metadata.tsv'
embedding.sprite.image_path = 'mnist_10k_sprite.png'
embedding.sprite.single_image_dim.extend([28, 28])
projector.visualize_embeddings(summary_writer, config)
3.3.1 batch all
PCA 结果
3.3.2 batch hard
Reference
https://omoindrot.github.io/triplet-loss#batch-hard-strategy
https://github.com/omoindrot/tensorflow-triplet-loss
https://github.com/lawlite19/Blog-Back-Up
https://github.com/omoindrot/tensorflow-triplet-loss/issues/6