深度学习(增量学习)——(ICCV)Striking a Balance between Stability and Plasticity for Class-Incremental Learning

前言

这篇文章发表于ICCV2021，是一篇结合自监督做增量学习的文章，该论文研究的问题为class Incremental

本文将总结论文提出的方法，并对实验部分做个简单分析，最后讲讲我对这篇文章的看法

Method

本文一共有三种方法，分别为SPB、SPB-I、SPB-M，本文将依次介绍三者

SPB

SPB就是UCIR的变种，当task T的训练数据到来时，作者利用特征提取器提取task T训练数据的embedding，对embedding进行normalization（应该是L2归一化），归一化后同一类的embedding取平均值得到class prototype，利用class prototype初始化分类器（单层FC层）的对应权重，举个例子，分类器（单层FC层）可以看成是一个矩阵$C\ast D$的矩阵，$D$为特征提取器的输出维度，$C$为类别数，当新的$N$个类别到来时，矩阵大小扩充为$(C+N)\ast D$，多出的$N$行就用上述方式进行初始化。

设特征提取器对第$i$张图片的输出为$f(x_i)$，L2归一化后为$\overline{f(x_i)}$，分类器中第$c$类对应的权重为$w_c$（即上述例子中矩阵的第$c$行），L2归一化为$\overline{w_c}$，则分类器第$c$类的输出为
$$P_c(x_i)=\frac{\exp (\lambda {\overline{f(x_i)}}^T\overline{w_c})}{{\sum }_j\exp (\lambda {\overline{f(x_i)}}^T\overline{w_j}))}\text{\hspace{1em}(1.0)}$$
其中$\lambda$为超参数。该论文通过特征层面进行知识蒸馏，从而防止遗忘。针对图像$x_i$，旧特征提取器的输出L2归一化后为$\overline{f^o(x_i)}$，新特征提取器的输出L2归一化后为$\overline{f^n(x_i)}$，则知识蒸馏loss为
$$L_{em}=||\overline{f^n(x_i)}-\overline{f^o(x_i)}|{|}^2\text{\hspace{1em}(2.0)}$$

设交叉熵损失函数为$L_{ce}$，旧类别个数为$N_{oc}$，新类别个数为$N_{nc}$，则SPB的总体loss为

$$L=\frac{N_{nc}}{N_{oc}}{L}_{ce}+\frac{N_{oc}}{N_{nc}}{L}_{em}\text{\hspace{1em}(3.0)}$$

随着学习类别数的增多，$L_{em}$的权重会越来越大，从而防止遗忘。

SPB并没有提出什么新东西

SPB-I

SPB-I在SPB的基础上引入了自监督，通过自监督编码一些冗余特征，这些冗余特征可能可以用于构建新任务，SPB-I引入了两类自监督任务，一类是对比学习，一类是旋转预测，这两类任务其实都是在构建更为鲁棒的特征空间，并没有解决灾难性遗忘的问题。

对比学习

给定一张图像，作者对其施加$N$次数据增强，数据增强前后的图像构成正例对，不同图像之间构成负例对，特征提取器的输出会经过一个双层FC层（记为$\delta$），则对比学习loss为
$$L_{in}=\sum _i\frac{\exp (\lambda {\overline{\delta (f(x_i))}}^T\overline{\delta (f(x_i^{{}^{\prime }}))}/T)}{{\sum }_{x_j\in \{x^{ng},x_i^{\prime }\}}\exp (\lambda {\overline{\delta (f(x_j))}}^T\overline{\delta (f(x_i))}/T)}\text{\hspace{1em}(4.0)}$$

$x^{ng}$表示图像$x_i$的负例集合，$x_i^{{}^{\prime }}$是$x_i$数据增强的结果。

旋转预测

一张图像经过一定旋转后，输入到特征提取器，特征提取器的输出（没有经过全局池化）经过两个residual BasicBlocks以及cosine classifier处理，图像旋转的角度一共有$\{0^{。}、90^{。}、180^{。}、270^{。}\}$四种，模型需要预测图像旋转的角度，即进行四分类。默认情况下，SPB-I使用该监督任务。

SPB-M

SPB-M是SPB的改版（不是SPB—I），图像在输入模型前会进行旋转，旋转角度共有$\gamma$种，每种旋转角度都有对应的分类器，旋转90度和270度的分类器是不同的，意味着一共有$\gamma$个分类器，这$\gamma$个分类器分别进行分类预测，对应的损失函数为
$$L_{mp}=\frac{1}{\gamma }\sum _{b=1}^{\gamma }{L}_{ce}^b\text{\hspace{1em}(5.0)}$$

$L_{em}$为前文提到的知识蒸馏函数，总的损失函数为

$$L=\frac{N_{nc}}{N_{oc}}{L}_{mp}+\frac{N_{oc}}{N_{nc}}{L}_{em}\text{\hspace{1em}(6.0)}$$

实验

该论文基于data free，不会存储旧数据，与其他method在CIFAR100和imagenet-subset上的结果如下：

在初始阶段，论文提出的方法比所有的baseline都要高出4%~8%，一般而言，初始阶段有1%~2%的浮动是正常的，这篇文章的初始浮动这么大，足以说明实验存在问题，但貌似审稿人没有发现这个致命问题。

由于用到了额外的数据增强，模型的性能提升可能来源于数据增强，作者也注意到了这点，因此做了如下消融实验

依据第一大格，作者验证了单独使用自监督的数据增强并不能提升模型性能，证明了性能提升主要来源于自监督

思考

本文的实验部分存在一些问题，和《深度学习(增量学习)——ICCV2022：Contrastive Continual Learning》不同，这篇论文并没有实验指出自监督在增量学习中扮演的角色，有一股很浓的A+B论文的味道，这不是很合本人的胃口，但总体上的确显示出自监督有助于构建更为鲁棒的特征空间。