各顯神通，主要帶噪學(xué)習(xí)方法探索
關(guān)于帶噪學(xué)習(xí)，近些年有一些重要論文。
NeurlPS 2018上的一篇論文(Generalized Cross Entropy Loss Training Deep Neural Networks with Noisy Labels)提出GCE loss（Generalized Cross Entropy loss）。它的背景是，MAE以均等分配的方式處理各個sample，而CE（cross entropy）會向識別困難的sample傾斜，因此針對noisy label，MAE比CE更加魯棒，但是CE的準(zhǔn)確度更高，擬合也更快。于是這篇文章提出GCE loss，結(jié)合MAE與CE二者的優(yōu)勢。
還有的論文(LDMI: A Novel Information-theoretic Loss Function for Training Deep Nets Robust to Label Noise, NeurlPS 2019)是基于信息論設(shè)計的loss function，Deterministic information loss。它的Motivation是想尋找一個信息測度（information measure）I。假設(shè)在I下任意存在兩個分類器f、f’，如果在噪音數(shù)據(jù)集下，通過I, f比f’表現(xiàn)得更好，那么在干凈數(shù)據(jù)集下，f比f’表現(xiàn)得也好，也就是說它在噪音數(shù)據(jù)集和干凈數(shù)據(jù)集上滿足一致性。如果在噪音數(shù)據(jù)集下它表現(xiàn)得好，通過一致性，在干凈數(shù)據(jù)集下表現(xiàn)得也一定很好。
把時間往前推進一下，講一些目前正在審稿中的文章(Peer Loss Functions: Learning from Noisy Labels without Knowing Noise Rates (under review)
；Loss with Paired Samples: A Robust Learning Approach that Adapts to Label Noise (under review)，關(guān)于Peer loss。Peer loss是由兩個loss function的加權(quán)得到的，比如l1, l2。α是一個超參數(shù)，衡量兩個loss的權(quán)重大小。l1、l2可以是任何分類導(dǎo)向的loss function，比如CE、MSE、MAE都行。Loss的構(gòu)造主要是在于樣本的構(gòu)造上，我們看l1的樣本，Xi對應(yīng)就是數(shù)據(jù)集中原始的樣本和對應(yīng)的label。
為什么peer loss可以很好地解決noisy label問題？為了方便，這里先把l1、l2都定義成CE loss，那么在第一項，它表現(xiàn)的像positive learning，因為它就是一個傳統(tǒng)的CE function，而在第二項，它像 negative learning，也就是在標(biāo)記錯的時候，比如把狗標(biāo)成汽車，如果用positive learning進行學(xué)習(xí)的話那就出現(xiàn)問題了，它是隨機從一個label中進行抽取，希望讓模型學(xué)到它不是一個鳥，狗不是一個鳥，它的語義關(guān)系首先是成立的，是正確的，這樣一來，第二項對模型也能起到一個積極的導(dǎo)向作用。
更加有意思的是，單獨訓(xùn)練第一項和單獨訓(xùn)練第二項都不可能使模型達到理論上的最優(yōu)，因為模型存在noisy label。但是我們證明了它們兩項聯(lián)合訓(xùn)練，在統(tǒng)計上是可以讓模型達到最優(yōu)。
文章提出了一個主要定理，就是noise魯棒性，我們證明了存在一個最優(yōu)的超參數(shù)α，用peer loss在noisy label下進行優(yōu)化，它得出的神經(jīng)網(wǎng)絡(luò)的解等價于用l1在clean label下進行優(yōu)化，可以把l1理解成CE loss。所以我們理論證明了peer loss的最優(yōu)性。
看一下peer loss在數(shù)值方面的結(jié)果，這里使用的數(shù)據(jù)集是CIFAR-10，存在著40%的uniform noise，就是symmetric noise。圖中的藍色代表clean label分布，橘黃色代表noisy label分布。通過peer loss優(yōu)化后，我們畫一下clean label和noisy label的分布，可以看到我們的網(wǎng)絡(luò)把這兩個完全分開了，證明peer loss是非常有效的。
接下來，在各個數(shù)據(jù)集上衡量peer loss的表現(xiàn)，我們在MNIST、Fashion MNIST、CIFAR-10上進行了實驗，可以看到MNIST和Fashion MNIST上，用peer loss優(yōu)化的結(jié)果超過了一些其他的結(jié)果，包括DMI的結(jié)果三四十個點，這是非常大的進步。在CIFAR-10上也超過將近5個點，四個多點左右這樣的一個結(jié)果。而且，我們發(fā)現(xiàn)peer loss尤其對Sparse,High這種noise type表現(xiàn)得特別明顯。
以上講的方法主要是設(shè)計loss function的思路，讓網(wǎng)絡(luò)能夠抵抗noisy label。但其實還有很多其他方法，比如samples selection和label correction，這兩個方法是通過選擇樣本和對樣本進行糾正來進行帶噪學(xué)習(xí)訓(xùn)練。發(fā)表在NeurlPS 2018上的這篇論文(Co-teaching: Robust Training of Deep Neural Networks with Extremely Noisy Labels)就是關(guān)于Co-teaching的。它的基本假設(shè)是認(rèn)為noisy label的loss要比clean label的要大，于是它并行地訓(xùn)練了兩個神經(jīng)網(wǎng)絡(luò)A和B，在每一個Mini-batch訓(xùn)練的過程中，每一個神經(jīng)網(wǎng)絡(luò)把它認(rèn)為loss比較小的樣本，送給它其另外一個網(wǎng)絡(luò)，這樣不斷進行迭代訓(xùn)練。
接下來介紹騰訊優(yōu)圖在2019年底發(fā)表的一篇文章（Asymmetric Co-Teaching for Unsupervised Cross-Domain Person Re-Identification），解決一類特殊的label noise。這類label noise不是人為標(biāo)注產(chǎn)生的，而是在訓(xùn)練中產(chǎn)生，在模型的聚類過程中產(chǎn)生的。比如說有這樣一批沒有標(biāo)記的樣本，然后通過一個聚類算法得到inliers和outliers，outliers是聚類算法中認(rèn)為這一點是孤立點或者是噪音點，它沒法歸到聚類算法的ID里面，就叫做outliers，inliers是聚類算法對這些樣本進行聚類后得到一個個cluster，但每一個cluster里面可能存在noise。
騰訊優(yōu)圖提出了一個框架，叫Asymmetric Co-teaching。因為聚類中存在inlier和outliers，這兩個不同源，所以用非對稱的思想去解決noise label的問題。
具體來說，首先有很多 Target Data，經(jīng)過模型聚類得到Inliers和Outliers。然后通過k近鄰將outliers進行l(wèi)abel。下面一步是比較關(guān)鍵的，和Co-teaching一樣，我們也并行訓(xùn)練兩個神經(jīng)網(wǎng)絡(luò)C和M，但是我們往C和M送到的樣本是非同源的，一個inlier一個outliers。然后C和M互相發(fā)送他們認(rèn)為loss比較小的樣本進行迭代訓(xùn)練。每次訓(xùn)練之后，再進行聚類。不斷重復(fù)這種迭代過程，最后我們發(fā)現(xiàn)outliers越來越少，Inlier也是越來越多，Inlier每個ID的noise也是越來越少。
Asymmetric Co-teaching的結(jié)果不錯，我們主要是在行人重識別這個問題上衡量方法的有效性，也就是ReID?？梢钥次覀冞@個clustering-based的方法在Market和Duke數(shù)據(jù)集中有不錯的表現(xiàn)，比之前的一些方法也多了五六個點。
總結(jié)一下，關(guān)于noise label前面主要介紹了七個方法，這些方法可以歸為Feature independent noise和Feature dependent noise。值得注意的是，并不是一個方法去解決Feature independent noise就無法解決Feature dependent noise，只是說一個方法它更適用于解決哪個問題。標(biāo)線框的這兩個是我們騰訊優(yōu)圖的工作。
我的介紹非常有限，如果你感興趣希望讀更多的研究，可以訪問這個網(wǎng)址，里面有更多關(guān)于noisy label learining的文章：
https://github.com/subeeshvasu/Awesome-Learning-with-Label-Noise
激活無效濾波器，提升神經(jīng)網(wǎng)絡(luò)性能
關(guān)于協(xié)作學(xué)習(xí)其實學(xué)術(shù)界沒有統(tǒng)一的定義，一般來講只要是多個模型互相協(xié)作，去解決一個或者多個任務(wù)，那就可以把這種學(xué)習(xí)范式叫做協(xié)作學(xué)習(xí)。
按照任務(wù)分，協(xié)作學(xué)習(xí)可以分成兩個：一個是解決多個任務(wù)，有dual learning和cooperative learning；一個是多個模型一起協(xié)作解決一個任務(wù)。因為dual learning和cooperative learning主要是解決自然語言處理的問題，自然語言處理涉及到比如說中文翻譯成英文，英文翻譯成中文，這是一個兩個任務(wù)，是多個任務(wù)。我們這里主要是講CV方面，所以說我們主要講解決一個任務(wù)，接下來會介紹co-training、deep mutual learning、filter grafting和DGD這幾個工作。
關(guān)于 Co-training的這篇文章Combining labeled and unlabeled data with co-training，非常古老，是1998年的，但是它的引用量已經(jīng)好幾千，它其實是解決了半監(jiān)督的問題。
發(fā)表在CVPR 2018年的一篇論文deep mutual learning。它的思想極其簡單，我們都知道蒸餾的時候teacher是fixed，然后對于學(xué)生進行監(jiān)督，這篇文章的思想就是在蒸餾的過程中老師并不保持fixed，也進行迭代的訓(xùn)練操作，也就是說老師教學(xué)生，學(xué)生也教老師。
時間再拉近一點，這是今年騰訊優(yōu)圖中稿CVPR 2020年的一篇文章（Filter Grafting for Deep Neural Networks）。這篇文章的motivation是什么呢？我們知道訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)存在很多無效的filter， filter pruning技術(shù)主要對無效的濾波器進行移除使網(wǎng)絡(luò)的推理速度增加。
與pruning相反，在這篇文章中，我們提出濾波器嫁接（filter grafting）技術(shù)。我們并不是移除網(wǎng)絡(luò)的無效濾波器，而是將其他網(wǎng)絡(luò)的有效濾波器的參數(shù)嫁接到無效濾波器上，通過引入外部信息的方法來激活無效濾波器，讓它們重新變得有價值起來，來進一步提高網(wǎng)絡(luò)的表達能力。
這篇文章有一個非常重要的發(fā)現(xiàn)是什么呢？我們訓(xùn)練的神經(jīng)網(wǎng)絡(luò)如果在初始化的時候不一樣，在訓(xùn)練完之后，無效filter的位置是統(tǒng)計無關(guān)的。整個我們可以并行訓(xùn)練多個網(wǎng)絡(luò)，多個網(wǎng)絡(luò)之間互相進行這種操作，結(jié)束訓(xùn)練之后每個神經(jīng)網(wǎng)絡(luò)都會有更好的特征表達，而且測試的時候準(zhǔn)確率性能也會更好。
可以看一下這個結(jié)果，對于在CIFAR-10、CIFAR-100上進行的實驗，與mutual learning、傳統(tǒng)的distillation、還有RePr相比較，F(xiàn)ilter Grafting效果還是不錯的，對于一些大網(wǎng)絡(luò)，特別是對于CIFAR-100有兩個點的提升。
Grafting是可以有效提高無效filter，但是可能有效filter的信息量會減少。這篇還在審稿中的文章DGD: Densifying the Knowledge of Neural Networks with Filter Grafting and Knowledge Distillation是關(guān)于我們的新發(fā)現(xiàn)，就是傳統(tǒng)的蒸餾可以解決這個問題，這是這篇文章的貢獻。
我們在做grafting加權(quán)的時候，比如說M1和M2進行加權(quán)，M1的layer1加到M2的layer1上面，雖然填補了M2中無效filter的空虛，但是M2有效filter可能也會受到影響。因為M1它本身也有無效filter，它直接加到M2上，M2的有效filter的信息量可能會減少，所以說我們就做了這樣一個DGD framework。
看一下DGD framework的結(jié)果。我們對比了傳統(tǒng)的filter grafting，還有knowledge distillation，發(fā)現(xiàn)比grafting distillation都有不錯的提升，比如在CIFAR-100上，各個網(wǎng)絡(luò)基本都會比baseline提升兩到三個點。
待解難題：如何進行更有效的濾波器嫁接
前面講的是noise label learning和collaborative leaning，那么基于這兩個可以做什么呢？
第一個是設(shè)計一些feature dependent noise的loss形式。 因為我認(rèn)為現(xiàn)在對于noisy label learning領(lǐng)域，feature independent noise可能解決得差不多了，準(zhǔn)確率都很高了，接下來一個主要的點就是設(shè)計一些loss方式來解決feature dependent問題。而且，這個問題是真實的業(yè)務(wù)場景、真實的數(shù)據(jù)集上的noise type形式。
第二個是，我們知道grafting的motivation是來自于pruning，那么我們是否可以用grafting的一些思想去指導(dǎo)神經(jīng)網(wǎng)絡(luò)來進行更有效的pruning，這是一些未來大家有興趣可以探索的一個點。
Q&A
Q:主動學(xué)習(xí)和noisy label learning都涉及到選擇數(shù)據(jù)，兩者的區(qū)別是什么？
A:的確兩者都涉及選擇數(shù)據(jù)，但是關(guān)鍵在于要選擇什么樣的數(shù)據(jù)，選擇數(shù)據(jù)的評價標(biāo)準(zhǔn)可能不太一樣。noisy label learning想選擇干凈的數(shù)據(jù)，而主動學(xué)習(xí)是想選擇對解決的問題有效的數(shù)據(jù)。
這些選擇方式和數(shù)據(jù)的分布息息相關(guān)的，也就是說我們講各種算法的同時要了解數(shù)據(jù)的分布，拋開數(shù)據(jù)的分布去研究算法有時候是沒有任何價值的。對于主動學(xué)習(xí)來講，在數(shù)據(jù)集的分布不均勻的時候，要選擇loss比較大的樣本，這和noisy label learning有點相反，noisy label learning是要選擇loss比較小的樣本。
Q: noisy label對自動標(biāo)注數(shù)據(jù)有用嗎？
A：這個是有用的，包括現(xiàn)在一些業(yè)務(wù)場景，我們用一些方法篩選出來哪些數(shù)據(jù)是值得標(biāo)的，或者說我們通過noisy label的一些方法將noisy label的樣本先檢測出來，之后再進行有效的中心標(biāo)注，所以noisy label對自動標(biāo)注數(shù)據(jù)還是有業(yè)務(wù)價值的。
Q：grafting對于小型network的效果如何？
A：其實我們在做很多實驗的過程中發(fā)現(xiàn)，grafting對小型網(wǎng)絡(luò)的提升是沒有對于大型網(wǎng)絡(luò)的提升高。因為無效filter的數(shù)量很可能出現(xiàn)在大型網(wǎng)絡(luò)上的比較多，小型網(wǎng)絡(luò)無效filter的數(shù)量比較少，我們的實驗結(jié)果可以看到grafting是在大的數(shù)據(jù)網(wǎng)絡(luò)上效果是比較明顯的。
