Bag of Tricks for Image Classifi

Paper Reading Note

URL: https://arxiv.org/abs/1812.01187

TL;DR

很多基于CNN的图像分类上的进步实际源于一些训练的“tricks”，本文总结了一些有用的涨点tricks，可以认为是分类问题的cookbook。

---

Dataset/Algorithm/Model/Experiment Detail

Introduction

作者认为，基于CNN的图像分类问题，分类准确率的提升主要来源于两个部分：

（1）网络结构的改善；

（2）训练过程的调优，即我们常说的各种tricks的使用。

对于这些tricks，大多数论文中只简单介绍一下，很少介绍相关细节，本文详细介绍了分类问题中可以使用的多种tricks，并通过实验系统评估了他们对分类性能提升的贡献。

另外，作者还通过实验说明了文章中介绍的trick具有可迁移性，即不只针对某一数据集或某一网络有效。

高效训练中的tricks

1. Large-batch training

一般而言，用大batch训练会使的训练过程变慢，而且经验表明，在相同epoch下，使用大batch训练得到的模型性能可能不如小batch训练。以下trick可以改善这个现象：

• Linear scaling learning rate: 增大batchsize的同时线性增大学习率。

• Learning rate warmup: 训练开始阶段使用较小学习率，待训练稳定后再使用较大初始学习率训练。一种方法是训练初期，学习率从0线性增大到初始学习率。

• Zero : 对于残差网络，每个residual block最后一层BN的 参数初始化为0，这样每个residual block就是一个Identity map，网络就相当于一个有较少层的网络，所以会在初始训练阶段好学一点。

• No bias decay: 只对convolution和FC层的W参数进行weight decay，对bias和BN层的 和 参数不进行weight decay。

2. Low-precisiontraining

• 使用FP16替换FP32（这个需要硬件支持），可以加速训练。

结果对比如下：

image.png

可以看出，相比于baseline（BatchSize=256 FP32），使用大batch（1024）FP16，并使用所有提到的大batch下训练的技巧，不管是Resnet，Inception还是MobIeNet都可以涨点。

image.png

以上是针对这部分提到的各种trick的ablation study。值得注意的是：在增大batch size时只线性增大学习率并不会涨点，还需要结合其他几种trick才可以涨点。

模型结构微调

相比于原始的Resnet结构，作者介绍了几种对网络结构的改良：

image.png

• ResNet-B：针对Residual block中进行down sampling时使用1*1，strid=2

的卷积，导致只有1/4的信息被利用的问题，将strid=2放在第2层卷积，实现downsampling。

• ResNet-C：原始ResNet开始的77卷积换做3个33卷积，减小计算量。

• ResNet-D： ResNet-B的short cut连接部分也存在忽略3/4信息的问题，替换为average pooling加1*1 conv，

实验结果：

image.png

调整后的ResNet-D涨近0.9个点（Top-1 acc）

Traing Refinements

• Cosine Learning Rate Decay

image.png image.png

• Label Smoothing

将原来的one-hot形式的label转为以下形式，其中 表示label向量的第 维， 为真实类别。实际上是修改了loss，这样可以使其他类别也对真实类别有loss贡献。

image.png

• Knowledge Distillation

image.png

蒸馏，使得student模型的最后输出和teacher模型尽可能相近。

• Mixup Training

image.png 一种数据augmentation的方法，随机采样两个样本 image.png

，然后将他们线性加权求和，使用得到的新的样本训练。

实验结果：

image.png

其中，在ResNet-50上蒸馏work，而Inception和MobileNet上蒸馏并不work，作者给出的解释是teacher模型是ResNet结构，可能和后两种网络输出分布不同。

trick的transferable验证

作者给出了这些trick在其他数据集上的效果如下，说明了这些trick的普遍适用性：

image.png image.png

另外，作者还给出了将使用这些trick训练得到的base model作为detection和segmention问题的pre-train网络后的对比结果，说明了trick的任务迁移能力。

Thoughts

很多所谓的涨点其实都源于一些trick，本文提到的一些trick可以在之后的分类模型训练中加以尝试。