ECCV 2022《Few-Shot Classification with Contrastive Learning》

0 Abstract

1. 作者指出他们提出了一种新颖的基于对比学习的FSL网络框架，这种框架可以将对比学习很好的集成到现在广泛使用的two-stage training paradigm(包括pre-training和meta-learning两个stages)
2. 在pre-training stage，提出了self-supervised constrastive loss，包括两种对比关系：1️⃣feature vector .vs. feature map2️⃣feature map .vs. feature map
   更好的利用global information和local information学习到比较好的初始化表征(initial representations)。
3. 在meta-learning stage，提出了cross-view episodic training mechanism，对同一轮次的两个不同视角进行最近中心点分类(nearest centroid classification)，并基于此采用一种distance-scaled contrastive loss。这两种strategies使model讷讷狗狗克服不同视角之间的bias，提高表征的可迁移能力。

Keywords：FSL,Meta Learning,Constrastive learning,Cross-view episodic learning
tips：本文的cross-view我个人理解就是对同一张图片用不同的data augmentation后得到的图片彼此属于不同view。

1 Introduction

图是overview of their framework

1. In this work, we propose a contrastive learning-based framework that seamlessly integrates contrastive learning into the pre-training and meta-training stages to tackle the FSL problem.
2. training stage:两种contrastive loss function，分别是s(supervised)和ss(self-supervised)的，考虑了global和local的信息。
3. meta-learning stage:a cross-view episodic training(CVET) mechanism来提取可概括的表征，并用nearest-centroid classification和inter-instance distance scaling，对不同数据增强方式下的Q1和Q2分别计算其与原型之间的相似度（具体看framework）
4. baseline：FEAT
5. preliminary：经典的meta-learning问题setting，不再赘述

2 Pre-Training

1. 通过framework图可知，pre-training阶段总共有4个loss function：
   1️⃣L_CE是分类器的交叉熵损失函数
   2️⃣Global self-supervised contrastive loss
   （1）目标：“aims to enhance the similarity between the views of the same image, while reducing the similarity between the views of different images”。
   （2）equation：
   
   其中
   （3）说明：
   ①2N表示training dataset的N张images使用某两种数据增强方式后得到的图片数。hi表示提取出的图像特征经过GAP(global average pooling)后得到的global feature。zi表示样本xi使用一种数据增强方式后得到的projected vector，zi’表示另一种数据增强方式后得到的projected vector。因此分子表示positive pair，分母表示negative pair。τ表示temperature parameter。
   ②同一个样本xi使用两种数据增强方式后的得到样本互为positive pair，它俩与其余2N-2的样本为negative pair。
   ③这个损失函数的值要小，则分子要大、分母要小，即正样本对之间的similarity要越大越好、负样本对之间的similarity越小越好。
   3️⃣Local self-supervised contrastive loss
   （1）目标：“equation(1) might ignore some local discriminative information in feature map xi-hat which could be beneficial in meta-testing.”“boost the robustness and generalizability of the representations”
   （2）equation：
   包含两个module，map-map module局部对局部和map-vector module局部对全局。
   图(a)中，xa-hat、xb-hat分别表示两种数据增强方式后得到的样本的特征；三个f函数表示spatial projection head，通过这些头map就被投影成HW×D的vector了。然后分别将a与b的map相互对齐（即图中交叉的线头）、然后softmax，计算相似度，这些相似度将会用于求loss。
   图(b)中，ub表示map（DxHW），za表示特征投影后得到的vector（Dx1），传入的特征分别对应于两种数据增强方式得到的map和vector。然后对map的每个像素位置(i,j)（大小为1xD）与za做点积得到的结果再计算vector-map相似度、然后计算loss。
   最后，Local self-supervised contrastive loss等于这两个module的loss之和。
   
   
   
   上式中分子是positive pair，分母是negative pair。
   
   
   上式中分子是positive pair，分母是negative pair。
   
   4️⃣Global supervised contrastive loss
   （1）目标：“To exploit the correlations among individual instances and the correlations among different instances from the same category”
   （2）equation：
   
   
   通过作者的目标和原paper讲解，我们知道，这里的positive pair与前几个式子不太一样，这里的正样本对是被扩充了的。原来只有同一个样本被数据增强后得到的样本互为正样本对，现在不仅如此、有相同标签的也是正样本对。
   
2. pre-training的总LOSS如下
   
   where LCE is the CE loss, and α1, α2 and α3 are balance scalars.

3 Meta-Training

1️⃣Cross-view Episodic Training
E表示Episode的缩写。将E视作共享上下文（shared context），将two augmented episodes视作E的两个views（看图把这两个view的特征共同输入module中去了所以叫cross-view吧）。经过GAP后，得到全局向量hi，然后计算两个集合S1和S2中每个类的原型、送入Attn模块加工得到处理后的原型（注意只有support里面的样本会被计算）。用下式计算query集合中的每个样本的概率分布

τ是数据增强方式的分布，d是欧氏距离，然后再计算下面的损失。m和n可以取1或2，就如图上所示计算L11 L12 L21 L22的损失

最后the cross-view classification loss as follows:

2️⃣Distance-scaled Contrastive Loss
如图所示，投影后得到的projected vector，然后用下面的式子计算得到每个class的原型。

注意，求原型的时候，用的是E1和E2所有数据，在(12)中用的是Q1和Q2中的数据。式子中zi和zH互为正样本对，这里的正样本对也是扩充了的。zA是另一个样本的集合，新增了原型。

3️⃣total loss

4 Experiment

baseline是FEAT。在3个数据集上进行了实验：miniImageNet dataset、tieredImageNet、CIFAR-FS。table就不放了，看原文。然后还进行了消融实验证明每个loss function的功能。

5 Conclusion

这篇paper的损失函数很多，主要的创新点是将对比学习更好融合进two-stages的模型中去。每个损失作者都在讲解具体公式前说了下aim to……，我的阅读paper量还不够所以觉得太绕了、说不清，只能通过ablation实验明白每个loss的作用。