基于伪孪生网络双层优化的对比学习
陈庆宇1,2,3, 季繁繁2,3, 袁晓彤2,3,4
1.南京信息工程大学 自动化学院 南京 210044
2.南京信息工程大学 数字取证教育部工程研究中心 南京 210044
3.南京信息工程大学 江苏省大数据分析技术重点实验室 南京 210044
4.南京信息工程大学 计算机学院 南京 210044
通讯作者:

袁晓彤,博士,教授,主要研究方向为机器学习、图像处理、AI+气象等.E-mail:xtyuan1980@gmail.com.

作者简介:

陈庆宇,硕士研究生,主要研究方向为自监督学习.E-mail:qychen1996@gmail.com.

季繁繁,博士研究生,主要研究方向为深度学习.E-mail:nuistji@gmail.com.

摘要

目前,基于伪孪生网络的对比学习算法使用各种组件以获得最优学生网络,但忽略教师网络在下游任务中的表现,因此,文中提出基于伪孪生网络双层优化的对比学习,促进学生网络和教师网络相互学习,获得最优教师网络.双层优化策略包括基于近邻优化的学生网络优化策略和基于随机梯度下降的教师网络优化策略.基于近邻优化的学生网络优化策略让教师网络成为约束项,帮助学生网络更好地向教师网络学习.基于随机梯度下降的教师网络优化策略求解近似教师网络,梯度更新教师网络.在5个数据集上的实验表明,文中算法取得较高的 k-NN( k=1)分类精度和线性分类精度,特别在批次大小较小时,优势较大.

关键词: 对比学习; 双层优化; 学生网络; 近邻优化; 教师网络; 随机梯度下降
中图分类号:TP 391
Contrastive Learning Based on Bilevel Optimization of Pseudo Siamese Networks
CHEN Qingyu1,2,3, JI Fanfan2,3, YUAN Xiaotong2,3,4
1. School of Automation, Nanjing University of Information Science and Technology, Nanjing 210044
2. Engineering Research Center of Digital Forensics Ministry of Education, Nanjing University of Information Science and Technology, Nanjing 210044
3. Jiangsu Key Laboratory of Big Data Analysis Technology, Nanjing University of Information Science and Technology, Nanjing 210044
4. School of Computer Science, Nanjing University of Information Science and Technology, Nanjing 210044
Corresponding author:
YUAN Xiaotong, Ph.D., professor. His research interests include machine learning, image processing and AI+ Meteorology.

About Author:
CHEN Qingyu, master student. His research interests include self-supervised lear-ning.
JI Fanfan, Ph.D. candidate. His research interests include deep learning.

Abstract

At present, various designs are applied in contrastive learning algorithms based on pseudo siamese networks to acquire the best student network. However, the performance of teacher network in downstream tasks is ignored. Therefore, an algorithm of contrastive learning based on bilevel optimization of pseudo siamese networks(CLBO)is proposed to acquire the best teacher network by promoting the learning between student and teacher networks. The bilevel optimization strategy includes student network optimization strategy based on nearest neighbor optimization and teacher network optimization strategy based on stochastic gradient descent. The teacher network is regarded as a constraint term through the student network optimization strategy based on nearest neighbor optimization to help the student network learn better from the teacher network. The parameters are calculated by the teacher network optimization strategy based on stochastic gradient descent to update the teacher network. Experiments on 5 datasets show that CLBO performs better than other algorithms in k-NN classification and linear classification tasks. Especially, the advantages of CLBO is obvious when the batch size is smaller.

Key words: Contrastive Learning; Bilevel Optimization; Student Network; Nearest Neighbor Optimization; Teacher Network; Stochastic Gradient Descent

在深度学习领域, 目前图像分类任务的主流算法[1, 2, 3, 4]大多严重依赖标签, 但人工标注标签耗时耗力, 大幅限制深度学习的发展.然而, 每天有数以亿计的无标签数据被上传云端, 深度学习亟待解决如何充分利用海量的无标签数据的问题.有学者认为自监督学习(Self-Supervised Learning)可解决上述问题.自监督学习利用辅助任务, 从大规模的无标签数据中挖掘数据自身的监督信息, 使用构造的监督信息对模型进行预训练, 使模型学习到对下游任务有价值的通用表征.

目前自监督学习主要分为生成式自监督学习算法、判别式自监督学习算法和对比学习自监督学习算法.生成式自监督学习算法[5, 6, 7, 8]对图像进行像素级别的重构, 计算量巨大.判别式自监督学习算法[9, 10, 11, 12]需要各样的辅助任务帮助模型学习表征, 因此学到的表征通用性较差.对比学习自监督学习算法[13, 14, 15, 16]通过对比图像间的相似程度, 拉近相似的正样本, 推远不相似的负样本.这种方式不仅简单高效, 而且避免辅助任务对所学表征的影响, 使表征更具通用性.

对比学习思想即让正样本接近、让负样本远离[17], 可用于解决有标签的人脸识别任务.但在自监督学习任务中, 因为缺少标签, 所以很难判别图像的相似程度.为了解决这一问题, Wu等[18]提出将每幅图像视为一个单独类别, 基于实例对图像进行相似度判别.van der Oord等[19]提出InfoNCE(Information Noise Contrastive Estimation).Tian等[20]确定多种数据增强处理方法及正负样本选取方式.

近期, Chen等[13, 14]提出SimCLR(A Simple Frame-work for Contrastive Learning of Visual Represen-tations), 保留主干网络作为下游任务的特征提取器, 同时引入由两层多层感知机(Multilayer Percep-tion, MLP)[21]构成的投影头, 对主干网络提取的特征进行高维投影.SimCLR使用高维投影后的特征向量计算对比损失, 后续的工作[22, 23, 24, 25, 26]均保留投影头的设置.He等[15]提出MoCo(Momentum Contrast), 同时维护一个在线更新网络和一个动量更新网络, 并在动量更新网络端引入存储库(Memory Bank).MoCo利用存储库保存处理过的样本特征, 降低模型对批次大小的依赖.

SimCLR和MoCo在图像分类任务上取得接近监督学习的分类精度, 让研究者们看到摆脱标签依赖的希望, 随后陆续提出一系列的对比学习算法.Grill等[22]改进MoCo, 提出BYOL(Bootstrap Your Own Latent), 移除存储库, 仅通过拉近正样本完成对比学习.为了避免模型塌缩, BYOL在在线更新网络端新增一个由两层MLP构成的预测头, 通过结构差异避免模型塌缩.Xie等[23]提出MoBY(MoCo v2 and BYOL), 同时保留存储库和预测头的设置.MoBY解决当Transformers作为主干网络时, 预训练出现的崩溃问题.Chen等[24]认为梯度截止是BYOL避免模型塌缩的原因, 对BYOL进行简化并提出SimSiam(Simple Siamese Networks).Zbontar等[25]使用移除存储库、动量更新、梯度截止、预测头等设计, 提出BARLOW TWINS, 在只有正样本时, 仅通过损失函数消除特征相关阵间的冗余, 从而避免模型塌缩.Bardes等[26]延续BARLOW TWINS的思路, 提出VICReg(Variance-Invariance-Covariance Regulariza-tion), 设计由不变项、方差项和协方差项组成的损失函数, 从而避免模型塌缩.

上述工作均采用孪生网络结构, 因此根据孪生网络的参数共享与否, 可将上述对比学习算法分为基于孪生网络的对比学习算法和基于伪孪生网络的对比学习算法.其中:基于孪生网络的对比学习算法有SimCLR、SimSiam、BARLOW TWINS、VICReg; 基于伪孪生网络的对比学习算法有MoCo、BYOL、MoBY.

基于伪孪生网络的对比学习算法通常采用参数非共享的Online网络和Target网络, Online网络参数在线更新; Target网络梯度截止, 采用动量更新网络参数.Pham等[27]认为Online网络和Target网络是学生网络和教师网络的关系:将采用在线更新的网络称为学生网络, 采用梯度截止并离线更新的网络称为教师网络.学生网络优化训练过程可认为是向教师网络学习的过程.学生网络每更新一步, 对教师网络进行动量更新, 这一过程可认为是教师网络根据学生网络的学习反馈做出的调整.从这一角度出发理解现有方法:MoCo通过在教师网络端加入存储库的设计, 使教师网络拥有足够多的负样本教导学生网络学习; BYOL是在学生网络优化阶段, 通过将对比损失改用均方差损失, 从而迫使学生网络更好地向教师网络学习; MoBY是将MoCo和BYOL结合, 期望获得更优的学生网络和教师网络.MoCo和BYOL分别从教师网络和学生网络对对比学习算法做出改进, 但考虑角度单一.MoBY从学生网络和教师网络综合考虑, 但过于依赖组件.

本文受小批量近似更新元学习机制[28, 29]启发, 提出基于伪孪生网络双层优化的对比学习算法(Contrastive Learning Based on Bilevel Optimization of Pseudo Siamese Networks, CLBO), 不仅不依赖组件, 而且综合考虑学生网络和教师网络的优化问题.首先提出基于近邻优化的学生网络优化策略, 仅采用对比损失函数作为优化目标, 让教师网络从初始状态变为约束项, 更好地引导学生网络学习.然后, 结合Lookahead[30]优化思想, 提出基于随机梯度下降(Stochastic Gradient Descent, SGD)的教师网络优化策略, 利用SGD更新教师网络参数.最后, 在5个公开数据集上的实验表明, 相比目前主流的7种对比学习算法, CLBO的k-NN(k=1)分类精度和下游线性分类精度均取得最优值.

1 基于伪孪生网络双层优化的对比学习
1.1 算法框架与流程

本文提出基于伪孪生网络双层优化的对比学习算法(CLBO), 采用完全对称的伪孪生网络架构, 维护学生网络和教师网络, 具体框架如图1所示.

图1 CLBO框架图Fig.1 Framework of CLBO

CLBO主干网络的编码器为ResNet[31], 投影头由两层MLP构成.这样对称的结构更有利于引入近邻优化算子.在学生网络优化阶段, 使用在线更新方式, 最小化引入InfoNCE, 不仅可拉近相似样本、推远不相似样本, 还可迫使学生网络向教师网络方向优化.因此学生网络可更好地向教师网络学习.在教师网络优化阶段, 使用离线更新方式, 使用先行优化K步的学生网络求得教师网络梯度, 再利用SGD更新教师网络, 得到最优的教师网络.

学生网络和教师网络是通过衡量样本间的相似度协同学习一个用于下游任务的最优编码器.对比学习中学生网络和教师网络采用相同编码器作为主干网络, 因此不同于其它对比学习算法保留学生网络, 本文保留教师网络中的编码器作为下游任务的编码器.求解最优教师网络问题从优化算法角度被建模成双层优化问题:

minξE[ minθ{F(θ )+ λ2θ -ξ 22}],

其中, θ 为学生网络迭代过程中所得的近似最优参数, ξ 为所需的教师网络的最优参数,

$\begin{array}{l}F(\theta)= \\ \quad E_{x \sim D}\left[L_{\text {InfoNCE }}\left(g_{\theta}\left(f_{\theta}\left(t\left(x_{i}\right)\right)\right), g_{\xi}\left(f_{\xi}\left(t^{\prime}\left(x_{i}\right)\right)\right)\right)\right]\end{array}$

从数据集D取样本xi, t(xi)和t'(xi)为来自同一样本xi的两种不同数据增强视图, 损失函数采用InfoNCE.式(1)中包含两个阶段的优化过程.首先, 在学生网络优化阶段, 通过教师网络参数ξ 约束学生网络学习一个近似最优参数θ .然后, 在教师网络优化阶段, 通过近似最优学生网络参数θ , 利用SGD优化教师网络参数ξ , 获得最优教师网络.CLBO主要步骤如算法1所示.

算法1 CLBO

输入 数据集D, 批次大小N,

数据增强策略TT', 学生网络优化器A,

教师网络学习率τ , 先行优化步数K,

教师网络优化次数S,

随机初始化学生网络参数θ 0, 0,

包括编码器 fθ0, 0、投影头 gθ0, 0,

随机初始化教师网络参数ξ 0,

包括编码器 fξ0、投影头 gξ0

输出 教师网络编码器fξ

for n=1 to S do//教师网络优化次数

for m=1 to K do//学生网络先行优化次数

{xi}i=1N~D //取样

t~T, t'~T' //抽取数据增强策略

计算学生网络投影

$\begin{array}{l} v_{2 i-1}=g_{\theta_{n-1, m-1}}\left(f_{\theta_{n-1, m-1}}\left(t\left(x_{i}\right)\right)\right) \\ v_{2 i}=g_{\theta_{n-1, m-1}}\left(f_{\theta_{n-1, m-1}}\left(t^{\prime}\left(x_{i}\right)\right)\right)\end{array}$

计算教师网络投影

$\begin{array}{l} v_{2 i-1}^{\prime}=g_{\xi_{n-1}}\left(f_{\xi_{n-1}}\left(t\left(x_{i}\right)\right)\right) \\v_{2 i}^{\prime}=g_{\xi_{n-1}}\left(f_{\xi_{n-1}}\left(t^{\prime}\left(x_{i}\right)\right)\right) \end{array}$

计算包含近邻优化项的总损失

L= 12Ni=1N[(1(v2i-1, v'2i))+(1(v2i, v'2i-1))]+

λ2θ n-1, m-1-ξ n-1 22

更新学生网络

θ n-1, mθ n-1, m-1+A(L, θ n-1, m-1, d)

end for

随机梯度下降优化教师网络

ξ nξ n-1+τ λ (θ n-1, K-ξ n-1)

end for

1.2 基于近邻优化的学生网络优化策略

在学生网络学习优化阶段, 主要在学生网络参数更新时引入近邻优化算子, 学生网络训练学习时的目标函数被重新定义为

minθn, m{F(θ n, m)+ λ2θ n, m-ξ n 22}, (1)

其中, λ 为约束学生网络和教师网络参数差异的超参数, θ n, m为在教师网络优化n次后学生网络优化m次后的学生网络参数, ξ n为教师网络优化n次后的教师网络参数.

近邻优化算子的引入使教师网络从原先作为学生网络优化的初始项变为约束项, 这样不仅有利于学生网络在梯度下降过程中搜索最优解, 加速收敛, 而且通过约束学生网络在优化过程中向教师网络方向优化, 实现学生网络更好地向教师网络学习.

1.3 基于随机梯度下降的教师网络优化策略

在教师网络优化阶段, 不同于其它算法直接利用学生网络参数动量更新教师网络参数, CLBO利用SGD进一步优化教师网络参数.这样的优化方式使教师网络能实现更快更好的收敛, 获得一个更优的教师网络.

学生网络学习优化阶段目标函数为式(1), 假设F(θ n, m)可微, 且λ > 0, θn, m* 为目标函数的唯一最优解.由于

θn, m* =arg minθn, mF(θ n, m),

根据一阶最优条件可知:

θn, m* F( θn, m* )+λ ( θn, m* -ξ n)=0.(2)

则由链式法则可求得教师网络参数ξ n的梯度为

F(θn, m* )ξn=( θn, m* ξn)T θn, m* F( θn, m* )+λ ( θn, m* ξn-I)T( θn, m* -ξ n)=( θn, m* ξn)T( θn, m* F( θn, m* )+λ ( θn, m* -ξ n))-λ ( θn, m* -ξ n),

由式(2), 教师网络参数ξ n的梯度可化简为

F(θn, m* )ξn=-λ ( θn, m* -ξ n).

上式表明教师网络梯度估计可通过求解学生网络的近似更新得到.

在学生网络优化阶段, 近邻优化项迫使学生网络向教师网络方向优化.在教师网络优化阶段, 近邻优化项可帮助获得教师网络参数梯度的闭式解, 具体为-λ ( θn, m* -ξ n).因为很难估计精确的学生网络参数最优解 θn, m* , 所以不同于其它对比学习算法仅用优化一步的学生网络参数θ n, 1动量更新教师网络.CLBO在优化时借鉴Lookahead优化器思想, 使用先行优化K步的学生网络参数θ n, K作为次优解代替最优解 θn, m* , 因此教师网络参数ξ n的梯度为

F(θn, K)ξn=-λ (θ n, K-ξ n).

由上式的教师网络梯度, 利用SGD优化教师网络, 进而得到最优教师网络.教师网络优化策略为:

ξ n+1=ξ n+τ λ (θ n, K-ξ n), (3)

其中τ 为教师网络优化时的学习率.

从上述公式推导过程可发现, 本文提出的基于SGD的教师网络优化策略通过近邻优化项可求得教师网络参数梯度.在教师网络优化阶段获得教师网络参数ξ n梯度的闭式解, 有利于教师网络收敛到一个更精确的最优点, 从而获得最优教师网络.

基于SGD的教师网络优化策略可认为是现有基于伪孪生网络的对比学习算法在教师网络优化时的一般情况.现有算法的教师网络通常采用动量更新策略:

ξ n+1=η ξ n+(1-η )θ n, 1,

其中η 为动量更新系数.取η =1-τ λ , 经过简单的移项合并, 可得

ξ n+1=ξ n+τ λ (θ n, 1-ξ n).(4)

对比式(3)和式(4)可发现, 式(4)是式(3)中K=1的情况, 因此动量更新策略可认为是基于SGD的教师网络优化策略的特例.正因为这样的内在联系, 可简化算法的调参难度.在现有对比学习算法动量更新系数已知时, 可确定近邻优化系数λ 和教师网络学习率τ 的关系满足

τ = 1-ηλ,

其中, λ ≠ 0, τ ≠ 0.

在实验时, 本文对学生网络和教师网络进行动态优化, 具体为:近邻优化算子系数λ 采用随优化次数增加逐渐以λ · epoch增大的动态调整策略; 教师网络学习率τ 采用随优化次数增加逐渐以τ /epoch衰减的动态调整策略.在训练初始阶段教师网络还未明显优于学生网络时, 较小的约束系数λ 使学生网络学习更多新的知识, 较大学习率τ 有助于加快教师网络收敛.伴随优化次数增加, 教师网络逐渐优于学生网络, 以一个增大的约束系数λ 迫使学生网络注重向教师网络学习, 以较小的学习率τ 保证教师网络收敛的稳定性.所以, 基于SGD的教师网络优化策略结合基于近邻优化的学生网络优化策略, 更有助于获得最优的教师网络.

2 实验及结果分析
2.1 实验数据集

实验选用当前对比学习任务中常用的5个图像数据集, 分别为CIFAR-10[32]、CIFAR-100[32]、STL-10[33]、ImageNet-100[34]、Tiny-ImageNet[34]数据集.数据集具体信息如表1所示.

表1 实验数据集 Table 1 Experimental datasets
2.2 实验设置

在实验中, 遵循现有对比学习算法的预训练及下游任务验证方式.所有算法的主干网络编码器均采用ResNet18, 其中, 在CIFAR数据集上使用Res-Net-18的CIFAR变体, 其它数据集上使用标准Res-Net18.BARLOW TWINS和VICReg使用3层MLP投影头, 其它算法使用2层MLP投影头.

为了确保公平性, 采用相同的数据增强策略, 在CIFAR数据集上不使用高斯模糊, 其它数据集上正常使用.在学生网络优化阶段均使用基础学习率为0.06并伴随迭代轮次余弦衰减、权重衰减为0.000 5、动量为0.9的SGD优化器.使用相同的超参数设定进行实验:批次大小为256、主干网络输出维度为128、投影头的特征维度为512.其它超参数设置如表2所示, -表示未使用到该系数, η 表示动量更新系数, λ 表示近邻优化系数, τ 表示教师网络优化时的学习率, MB表示存储库(Memory Bank)样本数, Var表示方差(Variance)系数, Inv表示不变性(Invariance)系数, RR表示冗余项(Redundancy Reduction)系数.

表2 超参数设置 Table 2 Hyperparameters setting
2.3 对比实验结果

本文遵照2.2节实验设置, 选择SimCLR、MoCo、BYOL、SimSiam、MoBY、BARLOW TWINS、VICReg为对比算法, 在5个图像数据集上进行对比实验, 计算k-NN(k=1)分类精度和线性分类精度.

本节中CLBO学生网络先行优化步数K=2, 并设为消融实验的基线.在预训练阶段, k-NN分类作为监视器, 可实时验证预训练阶段主干网络提取特征的好坏.在下游任务阶段, 冻结主干网络参数直接用于线性分类任务, 通过线性分类精度判别对比学习算法优劣.

各算法在5个数据集上的分类精度对比如表3所示, 所有实验结果为3次实验取平均后的结果.由表可看出, 在各数据集上, CLBO在预训练阶段, 主干网络提取特征在k-NN分类精度上取得最高值, 而在下游线性分类精度上也取得最优值.

表3 各算法在5个数据集上的分类精度对比 Table 3 Accuracy comparison of different algorithms on 5 datasets %
2.4 消融实验结果

在本节中, 所有消融实验均采用CIFAR-10数据集, 主干网络编码器均采用ResNet18.

2.4.1 基于近邻优化的学生网络优化策略

为了验证CLBO中基于近邻优化的学生网络优化策略可帮助学生网络更好地学习, 对近邻优化项进行消融实验.学生网络编码器的k-NN分类精度如图2所示, 其中学生网络不采用先行优化策略, 即K=1.由图可知, 引入近邻优化项在预训练阶段的k-NN分类精度优于移除近邻优化项的学生网络编码器, 这表明近邻优化项的引入可帮助学生网络更好地学习.

图2 引入或移除近邻优化项的k-NN分类精度

Fig.2k-NN classification accuracy with or without nearest neighbor optimization term

下面对比各算法的学生网络下游线性分类精度.为了实验公平, CLBO的学生网络不采用先行优化策略, 即K=1, 这样保证所有对比算法学生网络优化次数相同.实验结果如图3所示.由图可发现, CLBO的学生网络编码器的线性分类精度最高, 由此可证实, 基于伪孪生网络双层优化的对比学习可有效帮助学生网络更好地向教师网络学习, 从而获得更优的学生网络.

图3 各算法的学生网络编码器的线性分类精度对比Fig.3 Accuracy comparison of linear classification of student encoder of different algorithms

2.4.2 基于随机梯度下降的教师网络优化策略

为了验证基于SGD的教师网络优化策略对教师网络性能的影响, 分别对先行优化步数和随机梯度下降策略进行消融实验.

为了证实学生网络先行优化的设计有助于教师网络的优化, 调整学生网络先行步数K并展示采用不同先行步数获得的教师网络的线性分类精度, 结果如图4所示.

图4 K不同时教师网络编码器的线性分类精度对比Fig.4 Accuracy comparison of linear classification of teacher encoder with different K

由图4可发现, 当先行优化1步时, 教师网络收敛平稳.当先行优化步数增大时, 可加速教师网络的收敛.当迭代轮次为500时, 先行优化2步得到的教师网络的线性分类精度达到最高并饱和衰减.

为了验证随机梯度下降策略的有效性, 对比有无近邻优化项对教师网络编码器k-NN分类精度的影响, 结果如图5所示.由图可发现, 近邻优化项的引入可有效改善教师网络性能.

图5 条件改变时教师网络编码器的k-NN分类精度对比Fig.5 Accuracy comparison of k-NN classification of teacher encoder with different conditions

保留近邻优化项, 对比使用动量更新策略与使用SGD更新策略的教师网络编码器k-NN分类精度, 结果如图5所示.由图可发现, 改用动量更新策略的教师网络编码器在收敛性和稳定性上均不如采用基于SGD的教师网络优化策略获得的教师网络编码器, 特别当迭代轮次达到600后, 衰减速度更快.所以, 本文采用的基于SGD的教师网络优化策略不仅可有效提高教师网络的收敛性, 而且在一定程度上可延缓精度衰减.

最后对比各算法教师网络编码器的线性分类精度, 结果如图6所示.由图可见, 在下游分类任务上, CLBO得到的教师网络编码器在各迭代轮数下均最优.实验结果表明本文的基于随机梯度下降的教师网络优化策略可获得更优的教师网络.

图6 各算法的教师网络编码器的线性分类精度对比Fig.6 Accuracy comparison of linear classification of teacher encoder with different algorithms

2.4.3 网络结构与损失函数

本节分别讨论投影头结构、对称结构、损失函数对CLBO性能的影响, 通过线性分类精度体现设定变化是否有效, 具体实验结果如表4所示.

表4 网络结构与损失函数对各算法性能的影响 Table 4 Effect of network structure and loss function on performance of different algorithms

先讨论投影头结构对性能的影响.对比移除投影头、1层MLP投影头、2层MLP投影头(CLBO)及3层MLP投影头的线性分类精度可发现:投影头的保留对CLBO很必要.投影头结构随着层数的提高确实能带来性能上的提升, 但3层MLP投影头对性能提升作用并不明显, 仅提升0.4%的线性分类精度.因此, 本文使用2层MLP投影头作为基准设定.

表4中BARLOW TWINS与VICReg改用2层MLP投影头后线性分类精度分别为89.04%和89.24%.相比表3中两种算法使用3层MLP投影头的分类精度, BARLOW TWINS的分类精度下降0.43%, VICReg的分类精度下降1.08%.相比BAR-LOW TWINS和VICReg, CLBO对更深的投影头结构的依赖程度更低.

再讨论对称结构对性能的影响.为了强调对称结构对CLBO的重要性, 在学生网络端增加预测头破坏对称结构.在该设定下, 还将损失函数由InfoNCE改为MSE.由表4可知, 无论使用哪种损失函数, 对称结构的破坏都会极大影响CLBO的性能, 这说明对称的结构设计有助于提升CLBO性能.

下面讨论损失函数对性能的影响.选择如下损失函数:MSE、BARLOW TWINS Loss、VICReg Loss、InfoNCE.由表4结果可知, 使用MSE损失, CLBO并不能避免模型塌缩出现平凡解.相比使用BARLOW TWINS Loss或VICReg Loss, InfoNCE可发挥CLBO的最佳性能.

最后讨论CLBO的通用性.观察表4中第9行、第11行、第12行的3种实验设定可发现, 这3种设定可认为是将本文的双层优化拓展到BYOL、BARLOW TWINS与VICReg.使用双层优化策略后, BYOL、BARLOW TWINS、VICReg性能都略有提升, BARLOW TWINS与VICReg提升明显优于BYOL.本文认为这得益于BARLOW TWINS与VICReg的对称网络结构.因此, CLBO具有较强的通用性, 可灵活嵌入现有算法, 改善算法性能, 特别适用于网络结构对称的对比学习算法.

2.4.4 迭代批次

为了探究迭代批次变化对CLBO的影响, 遵循2.2节实验设置, 给出仅改变迭代批次后, 各算法的线性分类精度.对比结果如图7所示.为了消融实验的公平性, 在本节中, BARLOW TWINS、VICReg与其它算法一样, 均使用两层MLP的投影头结构.

图7 迭代批次对各算法性能的影响Fig.7 Effect of batch size on performance of different algorithms

由图7可发现, 当迭代批次改变时, MoCo与MoBY线性分类精度影响较小, 这得益于教师网络端存储库的组件设计拥有额外的对比样本.BYOL、SimSiam、BARLOW TWINS、VICReg的线性分类精度影响适中, 这得益于这些方法无需负样本.SimCLR因为依赖负样本且无存储库的组件设计, 所以线性分类精度影响较大.CLBO对迭代批次大小更鲁棒, 特别在迭代批次较小时优势更明显.

t-SNE(t-Distributed Stochastic Neighbor Embed-ding)[35]特征可视化可将网络提取的特征从高维空间投射到低维空间.

为了突出CLBO在小迭代批次上的优势, 设定迭代批次为32, 各类算法预训练100轮所得编码器的t-SNE特征可视化结果如图8所示, 10种颜色表示CIFAR-10数据集上的10类样本.由图可发现, 相比其它算法, CLBO提取特征的分散和聚合更合理, 提取的特征能分离出更多的簇, 簇间距离更分散, 簇内实例特征分配更紧密.

图8 各算法t-SNE特征可视化结果Fig.8 Results of t-SNE visualization of different algorithms

2.4.5 特征维度

为了探究投影头特征维度对CLBO的影响, 遵循2.2节实验设置, 仅改变投影头特征维度, 各算法线性分类精度如图9所示.由图可知, 随着特征维度增加, SimCLR线性分类精度逐渐增加, 并在特征维度为512时达到饱和, 随后逐渐衰减.当特征维度较小时, BYOL与MoBY表现出较好的分类性能.随着特征维度增加, BYOL与MoBY性能逐渐衰减.BAR-LOW TWINS与VICReg随着特征维度增大而表现出更好的分类性能.MoCo、SimSiam与CLBO的分类精度受特征维度变化的影响较小, 这表明这3种算法对投影头特征维度具有较强的鲁棒性.

图9 特征维度对各算法线性分类精度的影响Fig.9 Effect of feature dimension on linear classification accuracy of different algorithms

3 结束语

本文提出基于伪孪生网络双层优化的对比学习算法(CLBO), 它是一种保留教师编码器的对比学习算法.针对基于伪孪生网络的对比学习算法的学生网络优化过程和教师网络优化过程分别提出基于近邻优化的学生网络优化策略和基于SGD的教师网络优化策略.通过双层优化策略, 促进学生网络和教师网络更高效地相互学习, 并最终获得最优教师网络.基于近邻优化的学生网络优化策略迫使学生网络向教师网络学习, 获得更优的学生网络.基于SGD的教师网络优化策略可得到教师网络梯度的闭式解, 从而获得最优的教师网络.实验结果表明, CLBO能有效改善学生网络性能, 最终获得最优教师网络, 并用于下游任务.今后可考虑利用CLBO在批次大小较小时的优势, 将CLBO与小样本学习结合, 减少对比学习算法对大计算资源的依赖.

本文责任编委 王士同

Recommended by Associate Editor WANG Shitong

参考文献
[1] LECUN Y, BENGIO Y, HINTON G. Deep Learning. Nature, 2015, 521(7553): 436-444. [本文引用:1]
[2] WEI X S, LUO J H, WU J X, et al. Selective Convolutional Des-criptor Aggregation for Fine-Grained Image Retrieval. IEEE Transactions on Image Processing, 2017, 26(6): 2868-2881. [本文引用:1]
[3] BACHMAN P, HJELM R D, BUCHWALTER W. Learning Representations by Maximizing Mutual Information Across Views // Proc of the 33rd International Conference on Neural Information Proce-ssing Systems. Cambridge, USA: MIT Press, 2019: 15535-15545. [本文引用:1]
[4] BENGIO Y, COURVILLE A, VINCENT P. Representation Lear-ning: A Review and New Perspectives. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2013, 35(8): 1798-1828. [本文引用:1]
[5] IIZUKA S, SIMO-SERRA E, ISHIKAWA H. Globally and Locally Consistent Image Completion. ACM Transactions on Graphics, 2017, 36(4). DOI: DOI:10.1145/3072959.3073659. [本文引用:1]
[6] 李仲年, 张涛, 张道强. 基于自监督边缘融合网络的MRI影像重建. 模式识别与人工智能, 2021, 34(4): 361-366.
(LI Z N, ZHANG T, ZHANG D Q. Self-Supervised Edge-Fusion Network for MRI Reconstruction. Pattern Recognition and Artificial Intelligence, 2021, 34(4): 361-366. ) [本文引用:1]
[7] LI F F, QIAO H, ZHANG B. Discriminatively Boosted Image Clustering with Fully Convolutional Auto-Encoders. Pattern Recognition, 2018, 83: 161-173. [本文引用:1]
[8] ZHANG R, ISOLA P, EFROS A A. Split-Brain Autoencoders: Unsupervised Learning by Cross-Channel Prediction // Proc of the IEEE Conference on Computer Vision and Pattern Recognition. Washington, USA: IEEE, 2017: 645-654. [本文引用:1]
[9] CHEN L, BENTLEY P, MORI K, et al. Self-Supervised Learning for Medical Image Analysis Using Image Context Restoration. Medical Image Analysis, 2019, 58. DOI: DOI:10.1016/j.media.2019.101539. [本文引用:1]
[10] DOSOVITSKIY A, FISCHER P, SPRINGENBERG J T, et al. Dis-criminative Unsupervised Feature Learning with Exemplar Convolutional Neural Networks. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2016, 38(9): 1734-1747. [本文引用:1]
[11] GIDARIS S, BURSUC A, KOMODAKIS N, et al. Boosting Few-Shot Visual Learning with Self-Supervision // Proc of the IEEE/CVF International Conference on Computer Vision. Washington, USA: IEEE, 2019: 8058-8067. [本文引用:1]
[12] ZHAI X H, OLIVER A, KOLESNIKOV A, et al. S4L: Self-Supervised Semi-Supervised Learning // Proc of the IEEE/CVF International Conference on Computer Vision. Washington, USA: IEEE, 2019: 1476-1485. [本文引用:1]
[13] CHEN T, KORNBLITH S, NOROUZI M, et al. A Simple Framework for Contrastive Learning of Visual Representations // Proc of the 37th International Conference on Machine Learning. New York, USA: ACM, 2020: 1597-1607. [本文引用:2]
[14] CHEN T, KORNBLITH S, SWERSKY K, et al. Big Self-Super-vised Models Are Strong Semi-Supervised Learners[C/OL]. [2022-04-25]. https://arxiv.org/pdf/2006.10029.pdf. [本文引用:2]
[15] HE K M, FAN H Q, WU Y X, et al. Momentum Contrast for Unsupervised Visual Representation Learning // Proc of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. Washington, USA: IEEE, 2020: 9726-9735. [本文引用:2]
[16] CHEN X L, FAN H Q, GIRSHICK R, et al. Improved Baselines with Momentum Contrastive Learning[C/OL]. [2022-04-25]. https://arxiv.org/pdf/2003.04297.pdf. [本文引用:1]
[17] CHOPRA S, HADSELL R, LECUN Y. Learning a Similarity Me-tric Discriminatively, with Application to Face Verification // Proc of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Washington, USA: IEEE, 2005: 539-546. [本文引用:1]
[18] WU Z R, XIONG Y J, YU S X, et al. Unsupervised Feature Learning via Non-Parametric Instance Discrimination // Proc of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. Washington, USA: IEEE, 2018: 3733-3742. [本文引用:1]
[19] VAN DEN OORD A, LI Y Z, VINYALS O. Representation Lear-ning with Contrastive Predictive Coding[C/OL]. [2022-04-25]. https://arxiv.org/pdf/1807.03748v1.pdf. [本文引用:1]
[20] TIAN Y L, KRISHNAN D, ISOLA P. Contrastive Multiview Co-ding // Proc of the European Conference on Computer Vision. Berlin, Germany: Springer, 2020: 776-794. [本文引用:1]
[21] BISHOP C M. Neural Networks for Pattern Recognition. Oxford, USA: Oxford University Press, 1995. [本文引用:1]
[22] GRILL J B, STRUB F, ALTCHÉ F, et al. Bootstrap Your Own Latent a New Approach to Self-Supervised Learning // Proc of the 34th International Conference on Neural Information Processing Systems. Cambridge, USA: MIT Press, 2020: 21271-21284. [本文引用:2]
[23] XIE Z D, LIN Y T, YAO Z L, et al. Self-Supervised Learning with Swin Transformers[C/OL]. [2022-04-25]. https://arxiv.org/pdf/2105.04553.pdf. [本文引用:2]
[24] CHEN X L, HE K M. Exploring Simple Siamese Representation Learning // Proc of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. Washington, USA: IEEE, 2021: 15745-15753. [本文引用:2]
[25] ZBONTAR J, LI J, MISRA I, et al. BARLOW TWINS: Self-Supervised Learning via Redundancy Reduction[C/OL]. [2022-04-25]. https://arxiv.org/pdf/2103.03230.pdf. [本文引用:2]
[26] BARDES A, PONCE J, LECUN Y. VICReg: Variance-Invariance-Covariance Regularization for Self-Supervised Learning[C/OL]. [2022-04-25]. https://arxiv.org/pdf/2105.04906v3.pdf. [本文引用:2]
[27] PHAM H, DAI Z H, XIE Q Z, et al. Meta Pseudo Labels // Proc of the IEEE/CVF Conference on Computer Vision and Pattern Re-cognition. Washington, USA: IEEE, 2021: 11552-11563. [本文引用:1]
[28] ZHOU P, YUAN X T, XU H, et al. Efficient Meta Learning via Minibatch Proximal Update // Proc of the 33rd International Conference on Neural Information Processing Systems. Cambridge, USA: MIT Press, 2019: 1534-1544. [本文引用:1]
[29] RAJESWARAN A, FINN C, KAKADE S M, et al. Meta-Learning with Implicit Gradients[C/OL]. [2022-04-25]. https://arxiv.org/pdf/1909.04630.pdf. [本文引用:1]
[30] ZHANG M R, LUCAS J, HINTON G, et al. Lookahead Optimizer: k Steps Forward, 1 Step Back[C/OL]. [2022-04-25]. https://arxiv.org/pdf/1907.08610.pdf. [本文引用:1]
[31] HE K M, ZHANG X Y, REN S Q, et al. Deep Residual Learning for Image Recognition // Proc of the IEEE Conference on Computer Vision and Pattern Recognition. Washington, USA: IEEE, 2016: 770-778. [本文引用:1]
[32] KRIZHEVSKY A. Learning Multiple Layers of Features from Tiny Images. Technical Report, TR-2009. Toronto, Canada: University of Toronto, 2009. [本文引用:2]
[33] COATES A, LEE H, NG A Y. An Analysis of Single-Layer Networks in Unsupervised Feature Learning // Proc of the 14th International Conference on Artificial Intelligence and Statistics. San Diego, USA: JMLR, 2011: 215-223. [本文引用:1]
[34] RUSSAKOVSKY O, DENG J, SU H, et al. ImageNet Large Scale Visual Recognition Challenge. International Journal of Computer Vision, 2015, 115: 211-252. [本文引用:2]
[35] VAN DER MAATEN L, HINTON G. Visualizing Data Using t-SNE. Journal of Machine Learning Research, 2008, 9: 2579-2605. [本文引用:1]