計算機視覺的研究人員在利用現(xiàn)代深度神經(jīng)網(wǎng)絡(luò)解決問題時常常會無奈地感受到其對數(shù)據(jù)的龐大需求，當前很多先進的CNN模型都需要在像OpenImages和Places這樣包含上百萬張標注圖片的數(shù)據(jù)集上進行訓練。然而對于很多領(lǐng)域的應(yīng)用來說，收集如此海量的數(shù)據(jù)其時間和經(jīng)濟成本幾乎是常人無法承受的。
為了解決計算機視覺領(lǐng)域缺乏數(shù)據(jù)的問題，人們提出了預訓練模型的遷移學習方法，通過在大規(guī)模的通用數(shù)據(jù)上進行預訓練而后再復用到目標任務(wù)上，用少量數(shù)據(jù)對模型進行適應(yīng)性調(diào)優(yōu)。盡管預訓練模型在實踐中十分有效，但它仍不足以迅速地在新場景下掌握概念并進行深入的理解，在工程實踐中還面臨著一系列問題。由于大規(guī)模的預訓練使得BERT和T5等方法在語言領(lǐng)域取得了巨大的進展，研究人員堅信大規(guī)模的預訓練可以有效提升計算機視覺任務(wù)的性能。
為了充分研究大規(guī)模預訓練和遷移學習的內(nèi)在機理和規(guī)律，來自谷歌的研究人員發(fā)表了一篇名為BigTransfer的論文，探索了如何有效利用超常規(guī)的圖像數(shù)據(jù)規(guī)模來對模型進行預訓練，并對訓練過程進行的系統(tǒng)深入的研究。研究人員發(fā)現(xiàn)，隨著預訓練數(shù)據(jù)的增加，恰當?shù)剡x擇歸一化層、拓展模型架構(gòu)的容量對于預訓練的結(jié)果至關(guān)重要。
在有效的調(diào)整和訓練后，這種方法展示了多個領(lǐng)域的視覺任務(wù)上展現(xiàn)了前所未有的適應(yīng)性和先進的性能，包括小樣本是識別任務(wù)和最近提出的真實數(shù)據(jù)基準ObjectNet上都取得了非常優(yōu)異的成績。
預訓練
為了探索數(shù)據(jù)規(guī)模對于模型性能的影響，研究人員重新審視了目前常用的預訓練配置（包括激活函數(shù)和權(quán)重的歸一化，模型的寬度和深度以及訓練策略），同時利用了三個不同規(guī)模的數(shù)據(jù)集包括：ILSVRC－2012 （1000類128萬張圖像）， ImageNet－21k （2．1萬類的1400萬張圖像） 和 JFT （1．8萬類的三億張圖像），更重要的是基于這些數(shù)據(jù)研究人員可以探索先前未曾涉足的數(shù)據(jù)規(guī)模。
研究人員首先探索了數(shù)據(jù)集規(guī)模和模型容量間的關(guān)系，選擇了ResNet不同的變體進行訓練。從標準大小的“R50x1”到x4倍寬度的，再到更深度152層“R152x4”，都在上面的數(shù)據(jù)集上進行了訓練。隨后研究人員獲得了關(guān)鍵的發(fā)現(xiàn)，如果想要充分利用大數(shù)據(jù)的優(yōu)勢，就必須同時增加模型的容量。
下圖左半部分箭頭開頭的擴大顯示了這一結(jié)論，數(shù)據(jù)量增大的情況下容量更大的模型性能增加更大，而容量小的模型反而會有一定程度地下降。
左半部分顯示了隨著數(shù)據(jù)量的增加需要擴充模型的容量，紅色箭頭的擴大意味著小模型架構(gòu)在大數(shù)據(jù)集下變差，而大模型架構(gòu)則得到改善。右圖顯示了在大數(shù)據(jù)集下的預訓練并不一定改善，而是需要提高訓練時間和計算開銷來充分利用大數(shù)據(jù)的優(yōu)勢。
其次，訓練的時間對模型性能也具有關(guān)鍵的作用。如果在大規(guī)模數(shù)據(jù)集上沒有進行充分地訓練調(diào)整計算開銷的話，性能會有顯著下降（上圖中有半部分紅色點到藍色點下降），但通過適當?shù)卣{(diào)整模型訓練時間就能得到顯著的性能提升。在探索的過程中研究人員還發(fā)現(xiàn)了適當?shù)臍w一化可以有效提升性能。下圖中展示了將批歸一化BN替換為組歸一化GN后可以有效提升預訓練模型在大規(guī)模數(shù)據(jù)集上的性能，其原因主要來源于兩個方面。
首先在從預訓練遷移到目標任務(wù)時BN的狀態(tài)需要進行調(diào)整，而GN卻是無狀態(tài)的從而避開了需要調(diào)整的困難；其次，BN利用每一批次的統(tǒng)計信息，但這對于每個設(shè)備上的小批量來說這種統(tǒng)計信息會變得不可靠，而對于大型模型來說多設(shè)備上的訓練不可避免。由于GN不需要計算每個批次的統(tǒng)計信息，又一次成功避開了這一問題。
圖中展示了預訓練策略，在標準ResNet基礎(chǔ)上增加寬度和深度，將BN替換為GN和權(quán)重標準化，并在非常大規(guī)模數(shù)據(jù)集上訓練更長的時間。
12下一頁>（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
