ICCV 2021｜“白嫖”性能的MixMo，一種新的數(shù)據(jù)增強(qiáng)or模型融合方法

本文作者提出了一種新的多輸入多輸出深度子網(wǎng)學(xué)習(xí)廣義框架MixMo，MixMo可以作為一種集成方法或一種新的混合樣本數(shù)據(jù)增強(qiáng)方法進(jìn)行分析，同時(shí)仍然與兩種研究方向的工作保持互補(bǔ)。

寫(xiě)在前面

最近的工作提出的不用額外計(jì)算的集成方法，大多是在一個(gè)網(wǎng)絡(luò)中同時(shí)設(shè)置不同的subnet。訓(xùn)練時(shí)。每個(gè)subnet只學(xué)習(xí)分類多個(gè)輸入數(shù)據(jù)中的其中一個(gè)。然而，如何更好地混合這些多個(gè)輸入的問(wèn)題迄今尚未被研究。

在本文，作者提出了一種新的多輸入多輸出深度子網(wǎng)學(xué)習(xí)廣義框架MixMo。作者的Motivation是用一個(gè)更合適的混合機(jī)制來(lái)代替先前方法中求和導(dǎo)致的次優(yōu)操作。受到混合樣本數(shù)據(jù)增強(qiáng)的啟發(fā)，作者發(fā)現(xiàn)特征的混合可以使subnet更強(qiáng)，使得數(shù)據(jù)更加多樣，進(jìn)而提高模型performance。

基于MixMo，作者提升了CIFAR-100和Tiny ImageNet數(shù)據(jù)集上的SOTA性能。

1. 論文和代碼地址

論文地址：https://arxiv.org/abs/2103.06132

代碼地址：https://github.com/alexrame/mixmo-pytorch

2. Motivation

卷積神經(jīng)網(wǎng)絡(luò)(cnn)在計(jì)算機(jī)視覺(jué)任務(wù)中表現(xiàn)出了出色的性能，尤其是分類任務(wù)。為了在真實(shí)場(chǎng)景中增加魯棒性或贏得Kaggle競(jìng)賽，cnn通常會(huì)采用兩種實(shí)用策略:數(shù)據(jù)增強(qiáng) 和模型集成 。

數(shù)據(jù)增強(qiáng)可以減少過(guò)擬合并提升模型的泛化性。傳統(tǒng)的圖像增強(qiáng)是保留標(biāo)簽的:例如翻轉(zhuǎn)、裁剪等。然而，最近的混合樣本數(shù)據(jù)增強(qiáng)(MSDA)改變了這種方式：多個(gè)輸入和它們的標(biāo)簽按比例混合來(lái)創(chuàng)建人工樣本，代表工作有MixUp，CutMix等等。

模型集成證明了聚合來(lái)自多個(gè)神經(jīng)網(wǎng)絡(luò)的不同預(yù)測(cè)能夠顯著提高了泛化能力，尤其是不確定性估計(jì)。從經(jīng)驗(yàn)上講，幾個(gè)小網(wǎng)絡(luò)的集成通常比一個(gè)大網(wǎng)絡(luò)性能更好。然而，在訓(xùn)練和推理方面，集成在時(shí)間和顯存消耗方面都是昂貴的：這往往限制了模型集成的適用性。

在本文，作者提出了多輸入多輸出框架MixMo。為了解決傳統(tǒng)集成中出現(xiàn)的這些開(kāi)銷，作者將M個(gè)獨(dú)立子網(wǎng)放入一個(gè)單一的base網(wǎng)絡(luò)中。這也是合理的，因?yàn)樵谀Ｐ图蓵r(shí)，“最終采納的網(wǎng)絡(luò)”其實(shí)就和整體的網(wǎng)絡(luò)表現(xiàn)差不多。

所以，現(xiàn)在最大的問(wèn)題是如何在沒(méi)有結(jié)構(gòu)差異的情況下加強(qiáng)subnet之間的多樣性。

如上圖，作者在訓(xùn)練過(guò)程中同時(shí)考慮了M個(gè)輸入，M個(gè)輸入被M個(gè)參數(shù)不共享的Encoder編碼到共享空間中，然后將特征送到核心網(wǎng)絡(luò)，核心網(wǎng)絡(luò)最終分成M個(gè)分支；這個(gè)M個(gè)分支用來(lái)預(yù)測(cè)不同輸入信息的label。在inference的時(shí)候，同一圖像重復(fù)M次：通過(guò)平均M個(gè)預(yù)測(cè)獲得“免費(fèi)”的集成效果。

與現(xiàn)有的MSDA相比，MixMo最大的不同就是multi-input mixing block。如果合并是一個(gè)基本的求和，MixMo將變成到MIMO[1]。作者對(duì)比了大量的MSDA的工作，設(shè)計(jì)了更合適的混合塊，因此作者采用binary masking的方法來(lái)確保子網(wǎng)絡(luò)的多樣性。（如上圖所示，作者對(duì)不同樣本采用了一個(gè)binary masking方法，這一點(diǎn)就類似CutMix，而不是像MIMO那樣直接相加 ）。

這種不對(duì)稱的混合也會(huì)造成網(wǎng)絡(luò)特征中的信息不平衡的新問(wèn)題，因此作者通過(guò)一個(gè)新的加權(quán)函數(shù)來(lái)解決多個(gè)分類訓(xùn)練任務(wù)之間的不平衡問(wèn)題。

3. 方法

MixMo的整體結(jié)構(gòu)如上圖所示

3.1. General overview

核心網(wǎng)絡(luò)C需要同時(shí)處理兩種輸入的特征表示。然后多層的網(wǎng)絡(luò)D，通過(guò)這個(gè)mix的特征，再一次把各自樣本的類別識(shí)別出來(lái)。（個(gè)人理解這個(gè)網(wǎng)絡(luò)是一個(gè)“分-總-分”的結(jié)構(gòu)，首先，這個(gè)網(wǎng)絡(luò)對(duì)不同輸入的樣本進(jìn)行分別編碼，這是第一個(gè)“分”的過(guò)程；然后這些被編碼的特征通過(guò)Mixing Block融合，這是“總”的過(guò)程；最后不同的層再根據(jù)這個(gè)混合的特征，識(shí)別出各自樣本的類別，這是最后一個(gè)“分”的過(guò)程 ）

訓(xùn)練過(guò)程中的損失函數(shù)為各自樣本的交叉熵?fù)p失函數(shù)之和（分別乘上各自的權(quán)重，權(quán)重的計(jì)算見(jiàn)下文）：

在inference的時(shí)候，同一個(gè)輸入x被輸入到不同的分支中，核心網(wǎng)絡(luò)C的輸入為的和，這最大的保留了來(lái)自兩種編碼信息。然后，最終的預(yù)測(cè)結(jié)果為將不同分支的預(yù)測(cè)平均值。這使得模型可以在一次前向傳播的過(guò)程中享受模型融合的結(jié)果。

3.2. Mixing block

Mixing block 是MixMo的核心，它將兩個(gè)輸入組合成一個(gè)共享表示。受MSDA混合方法的啟發(fā)，MixMo通用框架包含了更廣泛的變化。

作者提出的第一個(gè)變體是 Linear-MixMo，借鑒了MixUp的思想，直接將兩張圖片通過(guò)一個(gè)透明度疊在一起：

接著，作者受到MixCut的啟發(fā)，提出了 Cut-MixMo ：

與Linear-MixMo不同，這里并不是將整張圖片相加，而是像MixCut一樣，每次都是加了一個(gè)patch。

Cut-MixMo比其他策略表現(xiàn)更好。具體來(lái)說(shuō)，Cut-MixMo中的binary mixing取代了MIMO和 Linear-MixMo中的線性插值，使子網(wǎng)絡(luò)更加精確和多樣化。

為什么Cut-MixMo會(huì)比 Linear-MixMo要更好？

1）基于CutMix優(yōu)于Mixup的相同原因，M中的binary mixing訓(xùn)練了更強(qiáng)的單個(gè)子網(wǎng)。此外通過(guò)binary mixing，模擬了常見(jiàn)的物體遮擋問(wèn)題。

2）線性插值從根本上不適合誘導(dǎo)多樣性，因?yàn)閮蓚€(gè)輸入都保留了完整的信息。CutMix通過(guò)交替選擇的圖像patch，顯式地增加了數(shù)據(jù)集的多樣性。

3.3. Loss weighting

Mixing機(jī)制中的不對(duì)稱可能導(dǎo)致一種輸入蓋過(guò)另一種輸入。當(dāng)時(shí)，權(quán)重更大的輸入可能更容易預(yù)測(cè)。因此，作者定義了一個(gè)權(quán)重函數(shù)來(lái)平衡多個(gè)損失函數(shù)的重要性。這種加權(quán)調(diào)整了有效學(xué)習(xí)率、梯度在網(wǎng)絡(luò)中的流動(dòng)方式以及混合信息在特征中表示的方式。

加權(quán)函數(shù)具體表示如下：

其中是一個(gè)超參數(shù)，的曲線如下圖所示：

3.4. From manifold mixing to MixMo

相比于其他MSDA方法，MixMo使用兩個(gè)獨(dú)立的編碼器(每個(gè)編碼器輸入一個(gè)數(shù)據(jù))，并且它輸出是兩個(gè)預(yù)測(cè)而不是一個(gè)。

而其他MSDA方法使用一個(gè)單一的分類器，該分類器針對(duì)一個(gè)唯一的軟標(biāo)簽，通過(guò)線性插值反映不同的類。相反，MixMo選擇充分利用混合樣本的復(fù)合特性，訓(xùn)練分離的dense層，d0和d1，在測(cè)試時(shí)能夠在沒(méi)有額外計(jì)算的情況下，達(dá)到模型集成的效果。

4.實(shí)驗(yàn)

4.1. Main results on CIFAR-100 and CIFAR-10

上表展示了MixMo在CIFAR10和CIFAR100上的結(jié)果，可以看出相比于原始的網(wǎng)絡(luò)，MixMo對(duì)于性能的提升非常明顯。

從上圖可以看出，隨著寬度w的增加，MixMo比DE(綠色曲線)的性能提升更加明顯。

4.2. Training time

可以看出，在相同的訓(xùn)練時(shí)間內(nèi)，Cut-MixMo的表現(xiàn)優(yōu)于DE。

4.3. The mixing block

上表比較幾個(gè)mix block的性能，可以看出無(wú)論形狀如何，binary mixing的性能都優(yōu)于線性混合。

4.4. Weighting function

上圖比較了加權(quán)函數(shù)不同r下的性能，r在[3,6]范圍內(nèi)達(dá)到了很好的trade-off。

4.5. Multiple encoders and classifiers

上表的實(shí)驗(yàn)結(jié)果表明，2個(gè)編碼器和2個(gè)分類器對(duì)于實(shí)驗(yàn)結(jié)果是比較好的。

4.6. Pushing MixMo further: Tiny ImageNet

在更大的規(guī)模和更多樣的64 × 64圖像上，Cut-MixMo在Tiny ImageNet上達(dá)到了70.24%的新水平，如上表所示。

5. 總結(jié)

在本文中，作者提出了MixMo，一個(gè)多輸入多輸出策略的框架。MixMo可以作為一種集成方法或一種新的混合樣本數(shù)據(jù)增強(qiáng)方法進(jìn)行分析，同時(shí)仍然與兩種研究方向的工作保持互補(bǔ)。此外，作者引入了一個(gè)新的權(quán)重函數(shù)，以平衡訓(xùn)練時(shí)的損失。最終，作者通過(guò)實(shí)驗(yàn)證明了MixMo的有效性。

參考文獻(xiàn)

[1]. Marton Havasi, Rodolphe Jenatton, Stanislav Fort,Jeremiah Liu, Jasper Roland Snoek, Balaji Lakshminarayanan, Andrew Mingbo Dai, and Dustin Tran. Training independent subnetworks for robust prediction. In ICLR,2021.