视觉领域使用对比学习的里程碑的工作
2020CVPR最佳论文
无监督模型，超越了许多有监督训练的模型
什么是对比学习
对比着去学习
模型知道两张图片类似，与另一张图片不类似
所有类似的物体在特征空间相邻的区域，不类似的物体在特征空间中远一点
怎么知道两张图片相不相似？通过定义一些规则，从而认为哪些图片是相似的，哪些图片不是相似的
代理任务：instance discrimination 个体判别
每张图片都是自成一类
对比学习的损失函数：NCE
对比学习最厉害的地方在灵活性：重点在于找到一种规律去定义什么是正样本，什么是负样本
只要脑洞够大，哪个领域都能用
标题和摘要
Momentum contrast 动量对比
无监督，预训练模型
它作为一个预训练模型提取特征的效果非常好
意味着无监督和有监督对很多视觉任务的鸿沟来说，已经填上了
MoCo是第一个在很多主流任务上，比很多有监督的模型效果要好
引言
把对比学习的方法归纳成一个字典问题
query和key
一个正样本：一个叫anchor，一个叫positive
其他的负样本都是negative
query里是anchor
key里是其他的元素
这个字典越大，就可以拿query去和key做抽样对比，效果好
字典的key是用相同或者相似的编码器抽取得到的
在一个很大的没有标注的数据集上做完预训练以后，可以直接迁移到下游任务上的
这种无监督的预训练方式，可以超越imageNet一些有监督的训练方式
Moco是更加偏向于真实世界，在一堆图片上是可以表现的很好的
Moco可以在很多视觉任务上把无监督学习和有监督学习的坑填平
结论
我们的方法在不同任务，不同数据集上都取得了比较好的结果
MoCo设计的初衷就是去构造一个大的字典，从而让正负样本能够更有效地去对比，从而让对比学习可以提供一个更稳定的自监督信号，最后去训练这个模型
相关工作
无监督和自监督学习，可以有两个方向可以做
自监督学习是无监督学习的一种，这部分围绕这两个方面去写
- 代理任务
- 目标函数
代理任务是为了学习一个好的特征
目标函数的研究可以和代理任务分开
loss函数
提出了InfoNCE
最常见的构建目标函数的方式：就是原图的输出和它应该是的差异
loss函数
-
判别式、生成式（目标是一致的）
-
对比学习的目标函数（目标是通过抽取出来的特征决定的）
-
对抗学习？这是什么
Pretext task代理任务
denoising auto-encoder
context auto-encoder
…
对比学习和代理任务可以配对使用
对于无监督学习，缺少的是标签，代理任务就是去生成一个自监督信号，从而去生成表征信息，需要一个目标函数去衡量之间的差异，从而让模型学得更好
方法
目标函数的设计
key里面只有一个key positive，只有一个正样本对
使用了infoNCE的损失函数
这个是基于crossentropy loss的实现
Momentum Contrast
字典是动态的，是随机取样的
编码器里的参数也是不断改变的
如果想学一个好的特征，字典需要有两个特性：大、一致性
- 把字典看成队列
可以把字典的大小和mini-batch的大小剥离开
字典的大小可以特别大
Momentum update
key的编码器没法通过反向传播去更新参数
有一个动量参数，来更新参数
字典一致性
- 端到端的学习方式
可以通过梯度回传，来更新参数
字典的大小和mini-batch size的大小是等价的
- memory bank的形式
在memory bank中存下所有数据的特征
其他
moco的伪代码写的特别好，代码简介明了
- BN操作
模型会走捷径的问题：在做多卡训练之前，先把样本的顺序打乱，然后再放到GPU上去算
实验
数据集：
- imageNet
优化器
- SGD随机梯度下降法
MOCO学到的特征非常强大
在视觉领域，在做对比学习时，绝大多数工作都是用的MoCo这一套框架
性能最好，硬件要求最低
在无监督学习里，模型大小是比较关键的，一般模型越大，模型效果越好
无监督学习最主要的目标，就是去学习一个可以迁移的特征
使用了一个特征归一化的方法，使模型的训练更加稳定一些
总结
用普通的GPU就可以去跑对比学习的实验
MoCo学出来的特征，和有监督学出来的特征有什么不一样
121
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
