無(wú)需密集人工標(biāo)簽，用于下游密集預(yù)測(cè)任務(wù)的自監(jiān)督學(xué)習(xí)方法出爐
預(yù)訓(xùn)練已被證實(shí)能夠大大提升下游任務(wù)的性能。傳統(tǒng)方法中經(jīng)常利用大規(guī)模的帶圖像標(biāo)注分類數(shù)據(jù)集（如 ImageNet）進(jìn)行模型監(jiān)督預(yù)訓(xùn)練，近年來(lái)自監(jiān)督學(xué)習(xí)方法的出現(xiàn)，讓預(yù)訓(xùn)練任務(wù)不再需要昂貴的人工標(biāo)簽。然而，絕大多數(shù)方法都是針對(duì)圖像分類進(jìn)行設(shè)計(jì)和優(yōu)化的。但圖像級(jí)別的預(yù)測(cè)和區(qū)域級(jí)別 / 像素級(jí)別存在預(yù)測(cè)差異，因此這些預(yù)訓(xùn)練模型在下游的密集預(yù)測(cè)任務(wù)上的性能可能不是最佳的。
基于此，來(lái)自阿德萊德大學(xué)、同濟(jì)大學(xué)、字節(jié)跳動(dòng)的研究者設(shè)計(jì)了一種簡(jiǎn)單且有效的密集自監(jiān)督學(xué)習(xí)方法，不需要昂貴的密集人工標(biāo)簽，就能在下游密集預(yù)測(cè)任務(wù)上實(shí)現(xiàn)出色的性能。目前該論文已被 CVPR 2021 接收。
論文地址：
https://arxiv.org/pdf/2011.09157
代碼地址：
https://github.com/WXinlong/DenseCL
方法
該研究提出的新方法 DenseCL（Dense Contrastive Learning）通過(guò)考慮局部特征之間的對(duì)應(yīng)關(guān)系，直接在輸入圖像的兩個(gè)視圖之間的像素（或區(qū)域）特征上優(yōu)化成對(duì)的對(duì)比（不相似）損失來(lái)實(shí)現(xiàn)密集自監(jiān)督學(xué)習(xí)。
兩種用于表征學(xué)習(xí)的對(duì)比學(xué)習(xí)范式的概念描述圖。
現(xiàn)有的自監(jiān)督框架將同一張圖像的不同數(shù)據(jù)增強(qiáng)作為一對(duì)正樣本，利用剩余圖像的數(shù)據(jù)增強(qiáng)作為其負(fù)樣本，構(gòu)建正負(fù)樣本對(duì)實(shí)現(xiàn)全局對(duì)比學(xué)習(xí)，這往往會(huì)忽略局部特征的聯(lián)系性與差異性。該研究提出的方法在此基礎(chǔ)上，將同一張圖像中最為相似的兩個(gè)像素（區(qū)域）特征作為一對(duì)正樣本，而將余下所有的像素（區(qū)域）特征作為其負(fù)樣本實(shí)現(xiàn)密集對(duì)比學(xué)習(xí)。
具體而言，該方法去掉了已有的自監(jiān)督學(xué)習(xí)框架中的全局池化層，并將其全局映射層替換為密集映射層實(shí)現(xiàn)。在匹配策略的選擇上，研究者發(fā)現(xiàn)最大相似匹配和隨機(jī)相似匹配對(duì)最后的精度影響非常小。與基準(zhǔn)方法 MoCo-v2[1] 相比，DenseCL 引入了可忽略的計(jì)算開(kāi)銷（僅慢了不到 1%），但在遷移至下游密集任務(wù)（如目標(biāo)檢測(cè)、語(yǔ)義分割）時(shí)，表現(xiàn)出了十分優(yōu)異的性能。DenseCL 的總體損失函數(shù)如下：
模型性能
該研究進(jìn)行消融實(shí)驗(yàn)評(píng)估了匹配策略對(duì)下游任務(wù)的性能影響，結(jié)果如下表所示。
另一組消融實(shí)驗(yàn)評(píng)估了預(yù)訓(xùn)練區(qū)域數(shù)量對(duì)下游任務(wù)的性能影響，結(jié)果如下表所示。
下圖展示了該方法遷移至下游密集任務(wù)的性能增益：
隨著訓(xùn)練時(shí)間的延長(zhǎng)，該研究進(jìn)一步提供了與基線的直觀比較，表明 DenseCL 始終比 MoCo-v2 的性能高出至少 2％：
DenseCL 與 MoCo-v2 的預(yù)訓(xùn)練時(shí)間消耗對(duì)比如下：
下圖對(duì)高相似度匹配進(jìn)行了可視化，旨在描述局部語(yǔ)義特征間的對(duì)應(yīng)關(guān)系：
如下圖所示，帶有隨機(jī)初始化的大多數(shù)匹配都是不正確的，從圖中可以看出隨著訓(xùn)練時(shí)間的變化，對(duì)應(yīng)關(guān)系發(fā)生了改變。
[1] Improved baselines with momentum contrastive learning. Chen, Xinlei and Fan, Haoqi and Girshick, Ross and He, Kaiming
