内容摘自王老师的B站视频,大家还是尽量去看视频,老师讲的特别好,不到一小时的时间就缕清了小样本学习的基础知识点~Few-Shot Learning (1/3): 基本概念_哔哩哔哩_bilibili
Few-Shot Learning(小样本分类)
假设现在每类只有一两个样本,计算机能否做到像人一样的正确分类?
- 这个例子Support Set有两类,每类只有一两个样本,靠这些样本,难以训练出一个深度神经网络,这个集合只能提供一些参考信息。对于小样本问题,不能用传统的分类方法。
小样本分类与传统的监督学习有所不同,小样本学习的目标不是让机器通过学习训练集中图片,知道哪类是什么样子 ;当我拿一个很大的训练集来训练神经网络后进行小样本分类,预训练模型的目的是让机器自己学会学习-----也就是学习事物的异同,学会区分不同的事物。
现在训练集有五类,其中并没有松鼠这个类别
训练完成之后,可以问模型这两张图片是否是相同的东西呢?这时候模型已经学会分辨了事物的异同,比如给出两张松鼠图片,模型知道这两个动物之间长得很像,模型能够告诉你两张图片很可能是相同的东西。
支持集
给出一张图片,神经网络不知道这是什么。
这时候就需要支持集(Support Set),每类给出少样本(1~2)张,神经网络将Query图片和支持集中的每个类别依次对比,找出最相似的。
训练集和支持集的区别
-
训练集规模很大,每类有很多张图片,可以训练一个深度神经网络
-
支持集每类只有一张或几张图片,不足以训练一个大的神经网络,只能在做预测时候提供一些额外信息。
-
用足够大的训练集训练的目的不是让模型识别训练集中的大象、老虎,而是知道事物的异同。对于训练的模型,只要提供含有该类别的小样本信息,模型就能区分类别,尽管训练集中没有这个类别。
小样本分类:Learn To Learn
带小朋友去动物园,小朋友不知道这个动物是什么,但是小朋友只需要翻一遍卡片(将目标与卡片上动物对应),就知道看到的动物是什么,这个卡片就是支持集,前提是小朋友有读卡片的能力,也就是得先经过训练学习。
如果卡片中每类只有一张,那就是One-Shot Learning(单样本学习)
传统监督学习 和 小样本学习 步骤的区别
-
传统监督学习:测试图片虽然不是训练集中图片,但包含在训练集类别,模型已经见过上千张该类别图片,能够判断出是哪类。
-
小样本学习:测试图片不但不包含在训练集中,也不是训练集中的类别。所以小样本学习比传统监督学习更难。因为不是训练集中的类别,所以要提供支持集,提供更多信息(给模型看小卡片,每张卡片有一个图片和一个标签,模型发现测试图片和某张卡片相似度高,就知道测试图片属于哪个标签)
小样本学习两个术语
-
k-way :支持集含有的种类数
-
n-shot : 支持集中每个种类有多少张图片
小样本学习预测准确率
-
横轴是支持集类别数量。随着类别数量增加,分类准确率会降低。
-
比如从三选一变成六选一
-
每类样本越多,做预测越容易
相似度函数
sim(x, x'), x,x'为两个input
理想情况:sim(x1,x2) = 1 , sim(x1,x3) = 0, sim(x2,x3) = 0
从一个很大的训练集上学习一个相似度函数,它可以判断两张图片的相似度有多高。
孪生神经网络就可以作为相似度函数,可以拿大规模数据集做训练,训练结束之后,可以拿得到的相似度函数做预测。给一个测试图片,可以拿他跟支持集中的图片逐一对比,计算相似度,找到相似度最高作为预测结果。
- Omniglot 特点:小样本(20个,105*105)
孪生网络(Siamese Network)
孪生网络要解决的问题
-
第一类,分类数量较少,每一类的数据量较多,比如ImageNet、VOC等。这种分类问题可以使用神经网络或者SVM解决,只要事先知道了所有的类。
-
第二类,分类数量较多(或者说无法确认具体数量),每一类的数据量较少,比如人脸识别、人脸验证任务。(少样本问题)
孪生网络的优点
- 这个网络主要的优点是淡化了标签,使得网络具有很好的扩展性,可以对那些没有训练过的小样本类别进行分类,这点是优于很多算法的。
第一种训练孪生网络方法:每次取2样本,比较相似度 。
-
训练这个神经网络要用一个大的数据集,每类有标注,每类下面都有很多个样本。
-
我们需要用训练集来构造正样本和负样本
-
正样本告诉神经网络什么东西是同一类。
-
负样本告诉神经网络事物之间的区别。
-
-
正样本获取
- 每次从训练集中抽取一张图片(老虎),然后从同一类中随机抽取另一张图片(老虎),标签设置为1 (tiger, tiger, 1),意思是相似度满分。
-
负样本获取
-
每次从训练集中抽取一张图片(汽车),排除汽车这个类别,再从数据集中随机抽样(大象),标签设计为(car, elephant, 0),意思是相似度为0
-
-
搭建一个卷积神经网络CNN用来提取特征,这个神经网络有很多卷积层,Pooling层,以及一个flatten层。输入是一张图片x,输出是提取的特征向量 f(x)
-
现在开始训练神经网络,输入为(x1, x2 , 0或1),把这两张图片输入神经网络,把刚才搭建的卷积神经网络记作函数f。
-
对于提取的特征向量,第一张图片特征向量记作h1 = f(x1),第二张图片特征向量记作h2 = f(x2),如果都是用CNN,这两个f需要是相同的卷积神经网络,共享相同的权值W(之所以叫孪生,就是因为共享特征提取的部分)。也可以不同权值,则不同场景,允许不同神经网络。
-
然后拿h1 - h2 得到一个向量,再对这个向量所有元素求绝对值,记作z = ||h1 - h2||,表示两个特征向量之间的区别,再用一些全连接层来处理z向量,输出一些标量。
-
最后用Sigmoid激活函数,得到输出是一个介于0~1之间的实数,可以衡量两个图片之间的相似度。如果两张图片是同一个类别,输出应该接近1,如果两张图片不同类别,输出应该接近0(希望神经网络的训练输出接近1),把标签与预测之间的差别作为损失函数。
-
损失函数可以是标签与预测的交叉熵损失函数cross-entropy loss function,可以衡量标签与预测的差别。
-
有了损失函数可以用反向传播计算梯度,用梯度下降来更新模型参数。
-
模型主要有两部分,一个是卷积神经网络f用来从图片提取特征,一个是全连接层预测相似度,训练部分就是更新这两个的参数
-
做反向传播,梯度从损失函数传回到向量z以及全连接层的参数,有了损失函数关于全连接层的梯度,就可以更新全连接层的参数了。
-
然后梯度进一步从向量z传回到卷积神经网络,更新卷积神经网络参数,这样就完成了一轮训练
- 做训练时候,我们要准备同样数量正样本和负样本。负样本标签设置为0,希望神经网络预测接近0,意思是这两张图片不同。还是用同样方法做反向传播,更新参数。
训练好模型之后,可以做One-Shot Prediction
-
六个类别,每个类别一张图片,这六个类别可以都不在训练集中
-
将Query与Support Set支持集中图片作对比:
- 将Query图片与支持集中某一类一张图片作为input1 和 input2 ,输入到孪生网络中,孪生网络会输出一个0~1之间的值。用同样方法算出Query与所有图片相似度,查找相似度最高的。
孪生网络第二种训练方法:Triplet Loss
准备数据
-
有这样一个训练集,每次选出三张图片
-
首先从训练集随机选一张图片,作为anchor(锚点),记录这个锚点,然后从同类中随机抽取一张图片作为正样本Positive;排除该类别,从数据集中作随机抽样,得到不同类别的负样本Negative。
-
现在有锚点x^a,正样本x+,负样本x- ,把三张图片分别输入卷积神经网络f来提取特征(f指的是同一个卷积神经网络),得到三个特征向量
-
计算正样本和锚点再特征空间上的距离,将特征向量 f(x+)与f(xa)求差,然后算二范数的平方,得到距离d+
-
类似操作得到d-
-
我们希望得到的神经网络有这样性质,像同类别特征向量聚在一起,不同类别的特征向量能够被分开,所以d+应该很小,d-应该很大
-
这个坐标系是特征空间,卷积神经网络可以把图片映射到这个特征空间
-
d-应该比d+大很多,否则模型分辨不了同类和不同类
-
所以鼓励正样本在特征空间接近锚点(d+尽量小),鼓励负样本在特征空间远离锚点(d-尽量大)
-
指定一个margin :α,α>0。如果d- >= d+ + α,我们就认为没有损失loss=0,分类正确 。假如条件不满足,则会有loss = d+ + α - d- , 我们希望loss越小越好
-
有了损失函数,就可以求损失函数关于神经网络的梯度,作梯度下降来更新模型参数
测试模型
-
给一个query,一个支持集,用神经网络提取特征,把所有这些图片变为特征向量,比较特征向量之间的距离。找出距离最小的。
总结
我们使用了Siamese Network解决了少样本学习
基本思路:
-
用一个比较大的训练集来训练孪生网络,让孪生网络知道事物之间的异同
-
训练结束之后拿孪生网络作预测,解决少样本问题。少样本的问题是少样本的类别不在训练集中。比如query是松鼠,但训练集中没有松鼠这个类别,需要额外的信息来识别query的图片,这个额外的信息就是少样本支持集。
-
支持集称为k-way, n-shot,k个类别,类别越多,预测越困难,n个样本,样本越少,预测越困难,one-shot learning单样本预测最困难。
-
有了训练好的孪生网络,我们就可以将query与support set中的样本逐一对比,选出距离最小或相似度最高作为分类结果。
-
两种训练孪生网络方法:1.两个input,标签0或1,输出0~1之间数值,与标签差值作为loss,目标是让预测尽量接近标签。 2.另一种是Triplet Loss,xa,x+,x-,用CNN提取得到三个特征向量,输出d+,d-,目标是让d+尽量小,d-尽量大。有了这样一个神经网络就可以用它提取特征,比较两张图片在特征空间距离,作出few-shot分类
Fine Tuning
基本思路
在大规模数据上预训练模型,然后再小规模的support set上做fine-tuning。方法简单,准确率高。
-
看个例子,余弦相似度consine similarity,衡量两个向量之间相似度,现在两个向量长度都是1,即他们的二范数都为1。
-
把向量x和w的夹角记作θ,由于向量x和w长度都是1,cosθ就是x和w的内积,表示两个向量的相似度。
-
可以理解,把向量x投影到w方向上,投影长度就是-1到+1之间
-
如果向量x和w的长度不是1,则需要做归一化把他们程度变为1,然后求得的内积才是余弦相似度
微调主要用到Softmax Function
-
它是一个常用的激活函数,可以把一个k维向量映射成一个概率分布
-
输入为Φ,它是任意的k维向量。把Φ的每一个元素做指数变换 ,得到k个大于0的数;然后对其作归一化,让得到的k个数相加等于1,把得到的k个数记为向量p
-
向量p就是softmax函数的输出
-
性质
-
输入Φ和输出p都是k维向量
-
向量p的元素都是正数,而且相加等于1
-
所以p是个概率分布
-
-
softmax通常用于分类器的输出层,如果有k个类别,那么softmax的输出就是k个概率值,每个概率值表示对一个类别的confidence。
-
softmax会让最大的值变大,其余的值变小。softmax比max函数要温柔一些
Softmax分类器
-
是一个全连接层加一个Softmax函数
-
分类器的输入是特征向量x,表示输入的测试图片的特征向量,把x乘到参数矩阵w上,再加上向量b,得到一个向量
-
对得到的向量做softmax变换,得到输出向量p
-
假如类别数量为k,那么向量p就是k维的
-
矩阵W和b是这一层的参数,可以从训练数据中学习。W有K行,k是类别数量,所以W每一行对应一个类别,d是每个类别的特征数量
使用预训练好的神经网络,在query和support set上做fine-tuning的过程
-
把query和support set中的图片都映射成特征向量,这样可以比较query和support set在特征空间上的相似度,比如可以计算两两之间的cosine similarity。最后选择相似度最高的作为query的分类结果
-
预训练
-
搭一个卷积神经网络用来提取特征,有很多卷积层、Pooling层以及一个Flatten层,也可以有全连接层
-
神经网络输入是一张图片x,输出一个特征向量f(x)
-
可以用传统的监督学习,预训练好后把全连接层都去掉;也可以用孪生网络训练
-
-
Few-Shot分类方法
-
3-way 2-shot,三类别,每类别两样本
-
拿预训练的神经网络提取特征,每张图片变成一个特征向量,每个类别两个特征向量
-
平均每个类别特征向量作平均,得到一个同样大小的向量,也就是均值向量
-
有三个类别,一共得到三个均值向量
-
均值向量归一化,得到三个向量μ1,μ2,μ3,它们的二范数都等于一,μ1,μ2,μ3就是对三个类别的表征
-
做分类的时候,要拿query的特征向量对μ1,μ2,μ3作对比
-
-
对query作分类
-
给一张query图片,需要判断是三个类别中的哪一个
-
拿预训练的神经网络f来提取特征,得到一个特征向量
-
对特征向量作归一化,得到向量q,它的二范数等于1
-
与刚才从support set中提取的三个向量μ1,μ2,μ3,它们的二范数也是1,每个μ向量表征一个类别
-
可以把三个μ向量堆叠起来,作为矩阵M的三个行向量
-
-
做few-shot预测
-
把query的特征向量q乘到矩阵M上,再做Softmax变换,得到p = Softmax(Mq),p是个概率分布,这个例子里,p是三维向量,表示对三个类别的confidence
-
三个元素分别是q与μ1,μ2,μ3的内积
-
很显然,在向量p中,第一个元素最大,分类结果是第一类
-
Fine-tuning可以大幅提高预测准确率
-
基本都是先做预训练,后做Fine-Tuning
-
刚才我们用了固定的W和b,没有学习这两个参数
-
可以在Support Set上学习W和b,这叫做fine tuning
-
用Cross Entropy来衡量yj与pj的差别有多大,yj是真实标签,pj是分类器做出的预测,损失函数就是Cross Entropy Loss
-
Support set中有几个或者几十个有标注的样本,每个样本都对应一个Cross Entropy Loss,把这些Cross entropy loss加起来,作为损失函数
-
也就是说我们用support set中所有的图片和标签来学习这个分类器
-
对CrossEntropyLoss做最小化Minimization,让预测pj尽量接近真实标签yj
-
Minimization是对分类器参数W和b求的,希望学习W和b ;当然也可以让梯度传播到卷积神经网络,更新神经网络参数,让提取的特征向量更有效
-
support通常很小几十个到几百个样本,最好加个regularization来防止过拟合。有一篇文章建议用Entropy Regularization
-
-
有一篇ICLR2020的论文说 对于5-way 1-shot,做fine tuning可以提到2%~7%的准确率;对5-way 5-shot,提高1.5%~4%准确率
-
尽管support set很小,但用support set来训练分类器有助于提高准确率,预训练+fine tuning比只用预训练好很多
-
W,b默认值
-
Entropy Regularization防止过拟合
-
希望Entropy Regularization越小越好
-