达摩院开源低成本大规模分类框架FFC CVPR论文深入解读

一、论文&代码

论文链接：An Efficient Training Approach for Very Large Scale Face Recognition

应用&代码：

 https://modelscope.cn/models/damo/cv_ir50_face-recognition_arcface/summary

https://modelscope.cn/models/damo/cv_resnet_face-recognition_facemask/summary

二、背景

        图像分类是当前AI最为成功的实际应用技术之一，它已经融入了人们的日常生活。它被广泛的应用到了计算机视觉的大部分任务中，比如图像分类、图像搜索、OCR、内容审核、识别认证等领域。目前已形成一个普遍共识：“当数据集越大ID越多时，只要训练得当，相应分类任务的效果就会越好”。但是面对千万ID甚至上亿ID，当下流行的DL框架下，很难低成本的直接进行如此超大规模的分类训练。

        解决该问题最直观的方式是通过集群的方式消耗更多的显卡资源，但即便如此，海量ID下的分类问题，依然会有如下几个问题：

1.）成本问题：分布式训练框架 + 海量数据情况下，内存开销、多机通信、数据存储与加载都会消耗更多的资源。

2.）长尾问题：实际场景中，当数据集达到上亿ID时，往往其绝大部分ID内的图片样本数量会很少，数据长尾分布非常明显，直接训练难以获得较好效果。

    本文余下章节将重点介绍超大规模分类框架现有解决方案，以及低成本分类框架FFC的相应原理及trick介绍。

三、方法

        在介绍方法之前，首先回顾下超大规模分类当前存在的主要挑战点：

挑战点1：成本居高不下

ID数目越大分类器显存需求越大，如下示意图所示：

 显存越大所需机器卡数越多，成本也就越高，相应多机协同的硬件基础设施成本也越高。与此同时，当分类 ID数目达到极超大规模的时候，主要计算量将浪费在最后一层分类器上，骨架网络消耗的时间可忽略不计。

挑战点2：长尾学习困难

        实际场景下，上亿ID中的绝大部分ID内的图片样本数量会很少，长尾数据分布非常明显，直接训练难以收敛。如果按照同等权重训练，则长尾样本会被淹没学习不充分。此时，一般采用imbalanced sample，在这个研究课题上，有非常多的方法可以借鉴，采取怎样的方式融入到简易超大规模分类框架上较为合适呢？

        带着上述两个挑战点，首先来看下现有可行的方案有哪些，是否能很好的解决上述两个挑战。

可行方法1：度量学习

 

可行方法2：PFC框架

 

可行方法3：VFC框架

本论文方法：FFC框架

大规模分类采用FC训练时损失函数如下

 在每一次反传过程中，所有的类中心都会更新

但FC太大了，直观的思路是合理地选择一定比例的类中心，即如下Vj为1部分：

由上述动机，引出了如下初步的方案：

         首先，为了解决长尾带来的影响，我们引入两个loaders，分别是基于id采样的id_loader和基于样本采样的instance_loader，有了这两个loader。在每个epoch当中，样本多的类和样本少的（few-shot）类能够有机会被训练到。

        其次，在训练开始之前，先将一部分样本送入id group，这里假设放入10% id的样本进入group。这时候gallery用的是随机参数。

        然后，训练开始时，batch样本挨个进入probe net。然后对于每个batch里面的样本就有两种情况：1.）group中存在此样本同样id的特征，2.）group中不存在同类样本的特征。对于这两种情况，我们分别称之为existing id和fresh id。对于existing的样本，拿特征和group里面的特征做内积，计算与标签的交叉熵损失函数，后回传。对于fresh的样本，跟group里面的样本来个最小化余弦相似度。

        最后，对group里面特征更新，采取新类中心替换，现有类中心加权的原则。对于gallery net，采用moving average策略把probe里面的参数渐渐更新进去。

本论文方法：trick介绍

1.）引入的ID Group，其size是个可调参数，一般默认为3万。

2.）为达到稳定训练，参考moco类方法，引入moving average，相应收敛情况对别：

四、实验结果

1. 双Loader消融实验

2. SOTA方法效果对比

3. 显存与样本吞吐对比