ImageNet识别率一次提高1%：谷歌AI新突破引Jeff Dean点赞

选自arxiv

作者：Quoc V. Le 等
机器之心编译参与：思源、一鸣

ImageNet 上的图像分类模型似乎已经成熟，要达到新的 SOTA 已经非常难。近日，Quoc Le 等提出了一个新的方法，在这一数据集上再次提高了 SOTA 性能一个点。而且这一方法让模型在鲁棒性上也有很大的提升。

论文地址：https://arxiv.org/abs/1911.04252

谷歌大脑负责人 Jeff Dean 和该论文的作者之一 Quoc Le 今天都在 Twitter 上介绍了这项研究工作，新方法能利用更多的未标注图像数据，并提升最终效果。

在本文中，研究者首先在标注的 ImageNet 图像上训练了一个 EfficientNet 模型，然后用这个模型作为老师在 3 亿无标签图像上生成伪标签。然后研究者训练了一个更大的 EfficientNet 作为学生模型，使用的数据则是正确标注图像和伪标注图像的混合数据。

这一过程不断迭代，每个新的学生模型作为下一轮的老师模型，在生成伪标签的过程中，教师模型不会被噪声干扰，所以生成的伪标注会尽可能逼真。但是在学生模型训练的过程中，研究者对数据加入了噪声，使用了诸如数据增强、dropout、随机深度等方法，使得学生模型在从伪标签训练的过程中更加艰难。

这一自训练模型，能够在 ImageNet 上达到 87.4% 的 top-1 精确度，这一结果比当前的 SOTA 模型表现提高了一个点。除此之外，该模型在 ImageNet 鲁棒性测试集上有更好的效果，它相比之前的 SOTA 模型能应对更多特殊情况。

ImageNet 需要更多的大数据

ImageNet 已经是大数据集了，大量标注图像已经足够我们学习一个不错的模型。但是它还需要更多的未标注图像，即使有一些图像根本不在要识别的类别之内也没关系。当模型见过广大的未标注数据，它才能做更好的 ImageNet 分类。

在本文中，研究者利用未标注图像来提升当前最优 ImageNet 的精确度，并表明精确度增益对鲁棒性具有非常大的影响。基于此，研究者使用了包含未标注图像的更大语料库，其中一些图像并不属于 ImageNet 的任何类别。

研究者在训练模型的过程中使用了自训练框架，分为以下三步：

1）在标注图像上训练一个教师模型；

2）利用该教师模型在未标注图像上生成伪标签（pseudo label）；

3）在标注和伪标注混合图像上训练一个学生模型。最后，通过将学生模型当做教师模型，研究者对算法进行了几次迭代，以生成新的伪标签和训练新的学生模型。

噪声让 ImageNet 学习更有效

研究者表示，实验说明，一项重要的方法是，学生模型在训练中应当被噪声干扰，而教师模型在生成伪标签的时候不需要。这样，伪标签能够尽可能逼真，而学生模型则在训练中更加困难。

为了干扰学生模型，研究者使用了 dropout、数据增强和随机深度几种方法。为了在 ImageNet 上实现稳健的结果，学生模型也需要变得很大，特别是要比普通的视觉模型大很多，这样它才能处理大量的无标注数据。

使用自训练的带噪声学生模型，加上 3 亿的无标注图像，研究者将 EfficientNet 的 ImageNet top-1 精确度提升到了新 SOTA。

表 1：和之前的 SOTA 模型指标的对比结果。

带有 Noisy Student 的自训练到底是什么

下图算法 1 给出了利用 Noisy Student 方法展开自训练的总览图，算法的输入包括标注和未标注图像。

算法 1：Noisy Student 方法。

研究者首先利用标准交叉熵损失和标注图像来训练老师模型。然后，他们使用该老师模型在未标注图像上生成伪标签。这些伪标签既可以是柔性的（连续分布），也可以是硬性的（onehot 分布）。接着，研究者训练学生模型，该模型最小化标注和未标注图像上的联合交叉熵损失。最后，通过将学生和老师模型的位置互换，他们对训练过程进行了几次迭代，以生成新的伪标签和训练新的学生模型。

该算法基本上是自训练的，这是一种半监督的方法。在本文中，研究者主要的改变是给学生模型增加了更多的噪声源，这样可以在移除教师模型中的噪声后，让它生成的伪标签具有更好的效果。当学生模型被刻意干扰后，它实际上会被训练成一个稳定的教师模型。当这个模型在生成伪标签的时候，研究者不会去用噪声干扰它。

此外，教师模型与学生模型的架构可以相同也可以不同，但如果要带噪声的学生模型更好地学习，那么学生模型需要足够大以拟合更多的数据。

实验结果

在这一部分中，研究者描述了实验的各种细节与实现的结果。他们展示了新方法在 ImageNet 上的效果，并对比了此前效果最佳的模型。此外，研究者还重点展示了新方法在鲁棒性数据集上的卓越表现，即在 ImageNet-A、C 和 P 测试集，以及在对抗样本上的鲁棒性。

如下表 2 所示，以 EfficientNet-L2 为主要架构的 Noisy Student 实现了 87.4% 的 Top-1 准确率，它显著超越了之前采用 EfficientNet 的准确率。其中 2.4% 的性能增益主要有两个来源：更大的模型（+0.5%）和 Noisy Student（+1.9%）。也就是说，Noisy Student 对准确率的贡献要大于架构的加深。

表 2：Noisy Student 与之前 SOTA 模型在 ImageNet 上的 Top-1 与 Top-5 准确率，带有 Noisy Student 的 EfficientNet 能在准确率与模型大小上取得更好的权衡。

如下图 1 所示，Noisy Student 对于不同的模型大小都能带来 0.8% 左右的性能提升。

图 1：Noisy Student 使得 EfficientNet 所有大小的模型都出现了显著的性能提升。研究者对老师和学生模型使用了相同的架构，并且没有执行迭代训练。

研究者将实现了 87.4% top-1 精确度的模型放到三个测试集中进行评估。这三个测试集分别是 ImageNet-A、 ImageNet-C 和 ImageNet-P。这些测试集包括了很多图像中常见的损坏和干扰，如模糊、雾化、旋转和拉伸。ImageNet-A 测试集会让之前的 SOTA 模型精确度明显下降。

这些测试集被认为是「鲁棒性」的基准测试，因为它们要么非常难，如 ImageNet-A，要么和训练集非常不同，如 ImageNet-C 和 P。

表 3：ImageNet-A 的鲁棒性结果。

表 4：ImageNet-C 的鲁棒性结果。mCE 是不同侵蚀情况下的平均错误率，以 AlexNet 错误率为基准（数值越低越好）。

表 5：在 ImageNet-P 上的鲁棒性结果，其中图片是通过一系列干扰生成的 mFR 使用 AlexNet 为基准，测量模型在扰动下翻转预测的概率（数值越低越好）。

为了直观理解三个鲁棒性基准的大幅度提升，下图中展示了一些图片，其中基准模型识别错误，而 Noisy Student 模型的预测则正确。

图 2：从模型稳健性基准 ImageNet-A、C 和 P 中挑选的图片。

ImageNet识别率一次提高1%：谷歌AI新突破引Jeff Dean点赞相关推荐

谷歌医疗AI商业化提速！Jeff Dean亲自挖来大总管
一璞李根发自亿顷厚木量子位报道 | 公众号 QbitAI 军方大订单不让接,个别国家市场进不去. 眼下的谷歌,即便贵为全球AI第一大厂,处境也非常尴尬. 而且天要下雨员工要吃饭,还得扛起人 ...
谷歌大脑2017总结（Jeff Dean执笔，干货满满，值得收藏）
李杉维金编译自 Google Blog 量子位出品 | 公众号 QbitAI 谷歌AI Senior Fellow.谷歌大脑负责人Jeff Dean,按照惯例,今天开始发布2017年度的谷歌大脑 ...
一文看尽谷歌AI全年重大研究突破，Jeff Dean执笔，全程干货
本文经AI新媒体量子位(公众号ID:qbitai )授权转载,转载请联系出处本文约一万字,建议阅读10+分钟. 学术和应用两开花,开源和新技术同步推进. 刚刚,Jeff Dean代表Google A ...
谷歌大脑提出“洗发水”二阶优化算法，Transformer训练时间减少40%，Jeff Dean点赞...
晓查发自凹非寺量子位报道 | 公众号 QbitAI 机器学习的优化步骤,目前都是一阶方法主导. 无论是SGD还是Adam,此类优化算法在都是计算损失函数的一阶导数--梯度,然后按照某种规定的 ...
谷歌最好的程序员Jeff Dean：我用过 18 种编程语言
大家好!我是韩老师. 作为程序员的你,用过多少种编程语言呢? 我曾经遇到过不少候选人来问我:韩老师,xx 公司招不招 xx 语言的程序员? 其实,这么一问,我就知道这位候选人的路可能已经走窄了. 在之 ...
谷歌大神Jeff Dean点赞网红博士论文：改进分布式共识机制 | 技术头条
作者 | Heidi Howard 编译 | 刘静本文转载自公众号图灵TOPIA(ID:turingtopia) 本文作者Heidi Howard,是剑桥大学计算机科学与技术系系统研究小组的分布式系 ...
谷歌云TPU上可以用Julia啦！0.23秒跑100张图片，Jeff Dean点赞推荐
伊瓢发自凹非寺量子位报道 | 公众号 QbitAI 不久前,Julia Computing官方放出了一篇论文,展示将Julia代码和机器学习模型编译到谷歌云TPU的方法,可以实现在0.23秒 ...
图像标注，三倍加速：谷歌AI新方案，数据民工的福音 | Demo可玩耍
膘栗子发自凹非寺量子位报道 | 公众号 QbitAI 标注数据,可能是AI模型训练里最艰巨的一个部分了. 计算机视觉首当其冲,标注图像需要投入大量人力. 比如,在Coco-Stuff数据集里, ...
一种基于步态识别技术的智能案件串并系统——AI新应用
一.系统介绍智能串并系统是武汉盈力科技自主研发的智能案件串并分析产品.依托公安视频侦查实战应用平台,智能串并系统以视频/图片结构化技术为基础,对上传的案件文本.人体运动特征等各要素进行智能化提取,然 ...

ImageNet识别率一次提高1%：谷歌AI新突破引Jeff Dean点赞

ImageNet识别率一次提高1%：谷歌AI新突破引Jeff Dean点赞相关推荐

最新文章

热门文章