数据太少怎么办?试试自监督学习,CV训练新利器

作者: 十三 2020-01-20 14:25:19

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。

数据少,又没有预训练模型,怎么破?

给你个秘密武器——自监督学习

数据太少怎么办?试试自监督学习,CV训练新利器,fast.ai新教程

数据科学家 Jeremy Howard 发布一条Twitter:

在医学图像领域,我们经常需要靠一点点的数据来做很多工作。

在这个问题上,有一种被低估的方法,正是自监督学习,简直太神奇!

还附上了与之相关的最新fast.ai教程。

数据太少怎么办?试试自监督学习,CV训练新利器,fast.ai新教程
地址:https://www.fast.ai/2020/01/13/self_supervised/

这一推文立即引起了大量网友的关注,可谓是好评如潮。

数据太少怎么办?试试自监督学习,CV训练新利器,fast.ai新教程

这是篇了不起的文章,太酷了!

这是一种简单且强大的技术。

接下来,让我们一起看下,自监督学习到底有多厉害。

自监督学习简介

在多数情况下,训练神经网络都应该从一个预训练(pre-trained)模型开始,然后再对它进行微调。

通过预训练模型,可以比从头开始训练,节省1000倍的数据。

那么试想一下,你所在的领域中,要是没有预训练模型,该怎么办?

例如在医学图像领域,就很少有预先训练过的模型。

而最近有一篇比较有意思的论文,就对这方面问题做了研究。

数据太少怎么办?试试自监督学习,CV训练新利器,fast.ai新教程
论文地址:https://arxiv.org/pdf/1902.07208.pdf

研究发现,即便使用ImageNet模型(预训练过的)中的前几层(early layers),也可以提高医学成像模型的训练速度和最终准确性。

所以说,即便某个通用预训练模型,不在你的研究领域范围内,也可以尝试使用它。

然而,这项研究也指出了一个问题:

其改进程度并不大。

那有没有不需要大量数据,还能取得较好效果的技术呢?

自监督学习就是一个秘密武器。

它可以被看作是机器学习的一种“理想状态”,模型直接从无标签数据中自行学习,无需标注数据。

举个例子,ULMFiT(一种NLP训练方法)的关键就是自监督学习,极大的提高了NLP领域的技术水平。

数据太少怎么办?试试自监督学习,CV训练新利器,fast.ai新教程
论文地址:https://arxiv.org/abs/1801.06146

在基于自监督学习的方法,首先训练了一个语言模型,可以预测某句话的下一个单词。

而当把这个预训练好的模型,用在另一个任务中时(例如情绪分析),就可以用少量的数据,得到最新的结果。

计算机视觉中的自监督学习

在自监督学习中,用于预训练的任务被称为pretext task(前置/代理任务)

然后用于微调的任务被称为downstream task(下游任务)

尽管目前在NLP领域中,自监督学习的应用还算普遍,但是在计算机视觉领域中,它却很少使用。

也许是因为诸如ImageNet这样的预训练模型比较成功,所以像医学成像领域中的研究人员,可能不太熟悉自监督学习的必要性。

接下来的内容便展示了CV领域中应用自监督学习的论文例子。

希望越来越多的人可以重视这一关键技术。

图像着色(Colorization)

Colorful Image Colorization

数据太少怎么办?试试自监督学习,CV训练新利器,fast.ai新教程
论文地址:https://arxiv.org/abs/1603.08511

Learning Representations for Automatic Colorization

数据太少怎么办?试试自监督学习,CV训练新利器,fast.ai新教程
论文地址:https://arxiv.org/pdf/1603.06668

Tracking Emerges by Colorizing Videos

数据太少怎么办?试试自监督学习,CV训练新利器,fast.ai新教程
https://arxiv.org/pdf/1806.09594

效果展示

数据太少怎么办?试试自监督学习,CV训练新利器,fast.ai新教程

将图像patch放在正确位置

Unsupervised Learning of Visual Representations by Solving Jigsaw Puzzles

数据太少怎么办?试试自监督学习,CV训练新利器,fast.ai新教程
论文地址:https://arxiv.org/pdf/1603.09246

Unsupervised Visual Representation Learning by Context Prediction

数据太少怎么办?试试自监督学习,CV训练新利器,fast.ai新教程
论文地址:https://arxiv.org/pdf/1505.05192

效果展示

数据太少怎么办?试试自监督学习,CV训练新利器,fast.ai新教程

按照正确的顺序放置帧

Unsupervised Representation Learning by Sorting Sequences

数据太少怎么办?试试自监督学习,CV训练新利器,fast.ai新教程
论文地址:https://arxiv.org/pdf/1708.01246

Shuffle and Learn: Unsupervised Learning using Temporal Order Verification

数据太少怎么办?试试自监督学习,CV训练新利器,fast.ai新教程
论文地址:https://arxiv.org/pdf/1603.08561

效果展示

数据太少怎么办?试试自监督学习,CV训练新利器,fast.ai新教程

图像修复(Inpainting)

Context Encoders: Feature Learning by Inpainting

数据太少怎么办?试试自监督学习,CV训练新利器,fast.ai新教程
论文地址:https://arxiv.org/pdf/1604.07379

效果展示

数据太少怎么办?试试自监督学习,CV训练新利器,fast.ai新教程

分类损坏的图像

Self-Supervised Feature Learning by Learning to Spot Artifacts

数据太少怎么办?试试自监督学习,CV训练新利器,fast.ai新教程
论文地址:https://zpascal.net/cvpr2018/Jenni_Self-Supervised_Feature_Learning_CVPR_2018_paper.pdf

效果展示

数据太少怎么办?试试自监督学习,CV训练新利器,fast.ai新教程

选择一个pretext task

为了在计算机视觉中使用自监督学习,需要回答一个非常重要的问题:

应该使用哪种pretext task?

很多人选择将“自动编码器”作为pretext task。

自动编码器将输入图像转换为一种简化的形式,然后将其再转换回尽可能接近原始图像的内容。

然而,我们不仅需要再生原始图像内容,还需要再生原始图像中的所有噪声。

因此,如果要在下游任务中生成更高质量的图像,那么这将是一个不好的选择。

此外,还需要确保pretext task是人类可以做的事情

例如,预测视频的下一帧,如果预测时间点过于遥远,那也是不太可行的。

为下游任务进行微调

一旦用pretext task预训练了模型,就可以继续进行微调。

在这一点上,应该把这个问题视为一种迁移学习,不要太多的改变预训练模型的权重。

总体而言,Jeremy Howard不建议浪费太多时间来创建“完美”的pretext模型,而要构建尽可能快速且容易的模型。

然后,需要确保这个pretext模型是否可以满足下游任务。

并且,事实证明,通常不需要非常复杂的pretext 任务,就可以在下游任务中取得较好的结果。

Yann LeCun更好的方法建议

Jeremy Howard在发出这条Twitter之后,深度学习三巨头之一的Yann LeCun对其回复。

数据太少怎么办?试试自监督学习,CV训练新利器,fast.ai新教程

Yann LeCun提出了更好的建议:

现在,学习视觉特征最佳SSL方法是使用孪生神经网络(Siamese network)来学习嵌入。

相关研究包括:

Self-Supervised Learning of Pretext-Invariant Representations

数据太少怎么办?试试自监督学习,CV训练新利器,fast.ai新教程
论文地址:https://arxiv.org/pdf/1912.01991

Jeremy Howard对LeCun回复道:

将PiRL添加到任意pretext task中是非常好的一件事情。

Jeremy Howard

数据太少怎么办?试试自监督学习,CV训练新利器,fast.ai新教程
Jeremy Howard

Jeremy Howard,澳大利亚数据科学家和企业家。fast.ai创始研究人员之一,fast.ai是一家致力于使深度学习更易用的研究所。

在此之前,他曾是Enlitic(位于旧金山的高级机器学习公司)的首席执行官兼创始人。

数据 平台 架构
上一篇:搞AI的,怎么才能不失业? 下一篇:JetBrains 发布基于 IntelliJ 的 IDE 2020 年功能路线图
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

AI人工智能正在悄悄的操控着我们的所见所想

在日常生活中大家现在已经越来越依赖手机上各种形形色色的app了,无论我们是出门吃饭时寻找餐厅,还是在视频语音聊天,刷视频,或是网上购物shopping,无时无刻我们都离不开手机APP。

软件说明 ·  18h前
拥有30亿张照片库的人脸识别初创公司遭黑客攻击!600多家执法机构和银行信息被盗

Clearview AI是美国纽约的一家AI面部识别创业公司Clearview设计的一款突破性的面部识别应用工具,通过拍摄陌生人的照片,然后将其上传,就可以轻松查看该人的公开照片,以及指向这些照片出现位置的链接和具体内容。

张佳、王汐 ·  18h前
关于AI我们完全错了!MIT教授批判:对数据过度关注

Luis Perez-Breva是麻省理工学院(MIT)的教授,也是麻省理工学院或工程学院创新团队的主任。他致力于了解我们如何使用技术来改善生活,并探讨如何努力将新技术推向世界。

图灵联邦 ·  2天前
古有照妖镜,今有换脸识别机,微软CVPR 2020力作,让伪造人脸无处遁形

前些日子,Deepfake技术现身印度选举,被候选人用在了竞选拉票的宣传材料上。虽然此候选人以惨败而收场,但这意味着Deepfake点燃的AI换脸之火有逐渐升温的迹象。

蒋宝尚 ·  3天前
过度防范?莫斯科公交司机接令人工识别中国乘客,人脸识别系统也被授权启用

据外媒报道,莫斯科公共交通运营商上周指示,如果中国公民上了他们的公共汽车,司机应迅速将相关信息告知调度员,由调度员负责报警。

张佳 ·  3天前
MacBook显卡不跑AI模型太浪费:这个深度学习工具支持所有品牌GPU

通过这款名为 PlaidML 的工具,不论英伟达、AMD 还是英特尔显卡都可以轻松搞定深度学习训练了。

Synced ·  3天前
YOLO之父退出CV界表达抗议,拒绝AI算法用于军事和隐私窥探

YOLO算法作者Joseph Redmon在个人Twitter上宣布,将停止一切CV研究,原因是自己的开源算法已经用在军事和隐私问题上。这对他的道德造成了巨大的考验。

晓查 ·  4天前
AI助各地返工:重庆语音机器人、北京无人配送、广州人脸识别测温

随着全国各地陆续开始返工浪潮,人工智能技术也有了特别的用武之地。

佚名 ·  2020-02-20 09:45:35
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载