《Domain Generalization by Solving Jigsaw Puzzles》論文閱讀

研究表明,人類的學(xué)習(xí)過程本身就是監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)的結(jié)合,事實上绒北,許多研究都強調(diào)嬰兒和幼兒同時學(xué)習(xí)對物體和規(guī)律進(jìn)行分類。例如察署,嬰幼兒通過玩具形狀來識別不同的類別;在孩子12-18個月大的時間里闷游,動物或車輛的拼圖游戲鼓勵學(xué)習(xí)物體之間的空間關(guān)系。這種類型的聯(lián)合學(xué)習(xí)無疑是人類在幼年時期達(dá)到復(fù)雜視覺概括能力的關(guān)鍵因素贴汪。

拼圖游戲

拼圖游戲本身是一個無監(jiān)督視覺任務(wù)脐往,之前有許多方法來解決這個任務(wù),本文將拼圖游戲轉(zhuǎn)化為一個分類任務(wù)扳埂。具體的實現(xiàn)方式如下:

1. 將圖像裁剪成n \times n的patches业簿,本文中n=3

2. 將這些patches隨機(jī)打亂阳懂,共有n^2!種組合梅尤,根據(jù)漢明距離,給每一種排序方式打上一個序列標(biāo)簽岩调,例如1巷燥,2,3号枕,4缰揪,5,6葱淳,7钝腺,8抛姑,9序列標(biāo)簽為1;9艳狐,2定硝,3,4毫目,5蔬啡,6,7蒜茴,8星爪,1序列標(biāo)簽為2浆西;

3. 為減少分類任務(wù)的難度和分類的類別數(shù)粉私,只選取了其中的P類,P=30近零。

本文相當(dāng)于將拼圖任務(wù)轉(zhuǎn)化為一個30分類的分類任務(wù)诺核。

域泛化與域適應(yīng)

機(jī)器學(xué)習(xí),特別是深度學(xué)習(xí)的一個基本假設(shè)是獨立同分布久信。訓(xùn)練數(shù)據(jù)與測試數(shù)據(jù)分布相差巨大窖杀,就會導(dǎo)致分類識別性能急劇下降。域適應(yīng)假定存在源域與目標(biāo)域裙士,源域中數(shù)據(jù)有標(biāo)簽入客,目標(biāo)域中數(shù)據(jù)無標(biāo)簽。目標(biāo)域數(shù)據(jù)用于指導(dǎo)源域訓(xùn)練腿椎。在傳統(tǒng)的域適應(yīng)中桌硫,條件是非常苛刻的啃炸,一般滿足:

1. 兩個域的標(biāo)簽種類相同铆隘,且分布接近。

2. 兩個域存在Covariate Shift南用,即???? (??│??=??)= ???? (??│??=??), but ???? (??)≠ ???? (??)膀钠。

3. 僅存在一個目標(biāo)域和一個源域。

4. 目標(biāo)域數(shù)據(jù)存在裹虫。

針對以上的條件肿嘲,都有學(xué)者進(jìn)一步研究。以增加域適應(yīng)的實用性筑公。域泛化對比域適應(yīng)是沒有目標(biāo)域數(shù)據(jù)的(目標(biāo)域數(shù)據(jù)不參與訓(xùn)練)睦刃,在僅知道源域的數(shù)據(jù)與標(biāo)簽的條件下,訓(xùn)練出的模型要求在任何分布下泛化性能均有提升十酣。

模型方法

本文采用多任務(wù)的方法來同時解決拼圖任務(wù)與分類任務(wù)涩拙,模型圖如下:

網(wǎng)絡(luò)模型很簡單际长,一個主干網(wǎng)絡(luò),后面接兩個結(jié)構(gòu)相同的全連接網(wǎng)絡(luò)兴泥,一個用于分類任務(wù)工育,另外一個用于拼圖任務(wù)。通過前述的方法打亂圖像搓彻,在同一個iter中將順序圖像和打亂圖像按比例一起送入網(wǎng)絡(luò)如绸,文中設(shè)置了一個超參數(shù)\beta來控制比例,例如一個iter送入的batch是32旭贬,\beta = 0.5,那么一個batch中順序圖片數(shù)量為16怔接,打亂圖片數(shù)量為16。另外順序圖片是參與分類任務(wù)與拼圖任務(wù)的稀轨,但是打亂圖片僅參與拼圖任務(wù)扼脐。

在應(yīng)用于無監(jiān)督域適應(yīng)中,僅需要在目標(biāo)域無標(biāo)簽數(shù)據(jù)上添加最小化預(yù)測不確定度loss奋刽,L_E(x^t)=\sum_{y\in Y}h(x^t|\theta_f,\theta_c)log{h(x^t|\theta_f,\theta_c)}瓦侮。這個loss在《A DIRT-T APPROACH TO UNSUPERVISED DOMAIN ADAPTATION 》和《Co-regularized Alignment for Unsupervised Domain Adaptation》這兩篇域適應(yīng)論文中也用到了。

實驗過程

作者設(shè)置了4個實驗佣谐,分別顯示該模型在拼圖任務(wù)肚吏,多域泛化,單域泛化狭魂、多域適應(yīng)四個任務(wù)中有效果罚攀。

一些重要的結(jié)論如下:

1. 與單純的拼圖任務(wù)做對比,發(fā)現(xiàn)分類任務(wù)對于拼圖任務(wù)性能有提升雌澄。

2. 本文的方法在三個域泛化數(shù)據(jù)集上顯示:對比于源域訓(xùn)練泛化的模型斋泄,性能有所提升(PACS:79.05->80.51; VLCS: 72.66->72.19; 60.51->61.20),但都不明顯。

3. 應(yīng)用于多域適應(yīng)掷伙,依然有效果是己。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末煌茴,一起剝皮案震驚了整個濱河市巴粪,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌刚照,老刑警劉巖宙地,帶你破解...
    沈念sama閱讀 212,542評論 6 493
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件摔认,死亡現(xiàn)場離奇詭異,居然都是意外死亡宅粥,警方通過查閱死者的電腦和手機(jī)参袱,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,596評論 3 385
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人抹蚀,你說我怎么就攤上這事剿牺。” “怎么了环壤?”我有些...
    開封第一講書人閱讀 158,021評論 0 348
  • 文/不壞的土叔 我叫張陵晒来,是天一觀的道長。 經(jīng)常有香客問我郑现,道長湃崩,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 56,682評論 1 284
  • 正文 為了忘掉前任接箫,我火速辦了婚禮攒读,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘辛友。我一直安慰自己薄扁,他們只是感情好,可當(dāng)我...
    茶點故事閱讀 65,792評論 6 386
  • 文/花漫 我一把揭開白布瞎领。 她就那樣靜靜地躺著泌辫,像睡著了一般随夸。 火紅的嫁衣襯著肌膚如雪九默。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 49,985評論 1 291
  • 那天宾毒,我揣著相機(jī)與錄音驼修,去河邊找鬼。 笑死诈铛,一個胖子當(dāng)著我的面吹牛乙各,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播幢竹,決...
    沈念sama閱讀 39,107評論 3 410
  • 文/蒼蘭香墨 我猛地睜開眼耳峦,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了焕毫?” 一聲冷哼從身側(cè)響起蹲坷,我...
    開封第一講書人閱讀 37,845評論 0 268
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎邑飒,沒想到半個月后循签,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 44,299評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡疙咸,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 36,612評論 2 327
  • 正文 我和宋清朗相戀三年县匠,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 38,747評論 1 341
  • 序言:一個原本活蹦亂跳的男人離奇死亡乞旦,死狀恐怖贼穆,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情兰粉,我是刑警寧澤扮惦,帶...
    沈念sama閱讀 34,441評論 4 333
  • 正文 年R本政府宣布,位于F島的核電站亲桦,受9級特大地震影響崖蜜,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜客峭,卻給世界環(huán)境...
    茶點故事閱讀 40,072評論 3 317
  • 文/蒙蒙 一豫领、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧舔琅,春花似錦等恐、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,828評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至郊尝,卻和暖如春二跋,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背流昏。 一陣腳步聲響...
    開封第一講書人閱讀 32,069評論 1 267
  • 我被黑心中介騙來泰國打工扎即, 沒想到剛下飛機(jī)就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人况凉。 一個月前我還...
    沈念sama閱讀 46,545評論 2 362
  • 正文 我出身青樓谚鄙,卻偏偏與公主長得像,于是被迫代替她去往敵國和親刁绒。 傳聞我的和親對象是個殘疾皇子闷营,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 43,658評論 2 350

推薦閱讀更多精彩內(nèi)容