汤晓鸥为CNN搓了一颗大力丸

摘要：潘新钢等发现，和的核心区别在于，学习到的是不随着颜色风格虚拟性现实性等外观变化而改变的特征，而要保留与内容相关的信息，就要用到。

大把时间、大把GPU喂进去，训练好了神经网络。

接下来，你可能会迎来伤心一刻：

同学，测试数据和训练数据，色调、亮度不太一样。

同学，你还要去搞定一个新的数据集。

是重新搭一个模型呢，还是拿来新数据重新调参，在这个已经训练好的模型上搞迁移学习呢？

香港中文大学-商汤联合实验室的潘新钢、罗平、汤晓鸥和商汤的石建萍，给出了一个新选项。

他们设计了一种新的卷积架构，既能让CNN提升它在原本领域的能力，又能帮它更好地泛化到新领域。

这个新架构叫做IBN-Net。

它在伯克利主办的WAD 2018 Challenge中获得了Drivable Area（可行驶区域）赛道的冠军。相关的论文Two at Once: Enhancing Learning and Generalization Capacities via IBN-Net发表在即将召开的计算机视觉顶会ECCV 2018上。

给神经网络加个buff

IBN-Net并不是一个像ResNet那样独立的神经网络架构，它可以和其他深度学习模型结合起来使用，提升它们的性能，但不会增加计算成本。经典的DenseNet、ResNet、ResneXt、SENet等等，都能用它来助攻。

这就相当于给深度学习模型加了个buff，或者说，喂下了一颗大力丸。

同时，它还可以算是迁移学习的替代品。

在一个数据集上训练好了模型，如果测试数据和训练集风格、颜色上有点不一样，或者换个数据集来测试，模型的性能就会大打折扣。

这时候，按套路就该迁移学习出场了，用新数据给训练好的模型调参。

数据集这么多，现实世界更是丰富多彩，一个一个地去重新搭模型或者调参数，要多少工程师才够用？

而IBN-Net就不需要新数据来调参，能自动让模型更好地适应新的领域。

不怕加滤镜，跨越次元壁

在图像识别和语义分割任务上，IBN-Net都能帮深度学习模型提分。

比如在ImageNet上，加了IBN-Net（的各种变体），就能在同样的参数设置，同样的计算成本下，让ResNet50的错误率下降0.5-1.5个百分点。

如果测试数据在原始ImageNet的基础上再做一些变化，调整一下颜色亮度对比度，甚至用Cycle-GAN改改风格，基本款ResNet50错误率就会大幅上升。而加了IBN-Net的版本，错误率就能少上升一些，如上图括号中的数据所示。

语义分割任务上也是一样。

IBN-Net加持的ResNet50，能在现实世界的城市街道图像数据集Cityscapes、虚拟世界的GTA5数据集上都取得比原版更好的成绩。

想让模型跨越虚拟与现实之间的次元壁，既能适应Cityscapes，也能用在GTA5上，IBN-Net也很擅长。

论文中说，将模型从Cityscapes迁移到GTA5，用IBN-Net能让迁移后的性能少下降8.5%；从GTA5迁移到Cityscapes，则能少下降7.5%。

这种跨越次元壁的迁移可大有用处。比如说在自动驾驶领域，用游戏来初步训练无人车是个常见的操作，可是把这样训练出来的算法搬到现实环境中，显然要经过大量调整。

让模型更快更好地适应不同环境的IBN-Net，简直就是效率提升利器。

“IBN”究竟是什么？

要理解这个IBN-Net的架构，要先从两种标准化方法IN（Instance Normalization，实例标准化）和BN（Batch Normalization，批标准化）。

它们都能让神经网络调参更简单，用上更高的学习速率，收敛更快。如果你搭过图像分类模型，batchnorm（BN）大概很熟悉了，而IN更多出现在风格迁移等任务上。与BN相比，IN有两个主要的特点：第一，它不是用训练批次来将图像特征标准化，而是用单个样本的统计信息；第二，IN能将同样的标准化步骤既用于训练，又用于推断。

潘新钢等发现，IN和BN的核心区别在于，IN学习到的是不随着颜色、风格、虚拟性/现实性等外观变化而改变的特征，而要保留与内容相关的信息，就要用到BN。

二者结合，就成了IBN-Net。

还可以根据需求，来调整IN和BN在模型中的搭配。

各种变体的具体情况，论文中有更清晰的描述。

论文：https://arxiv.org/pdf/1807.09441.pdf

代码：XingangPan/IBN-Net

声明：文章收集于网络，如有侵权，请联系小编及时处理，谢谢！

商业智能与数据分析群

兴趣范围包括各种让数据产生价值的办法，实际应用案例分享与讨论，分析工具，ETL工具，数据仓库，数据挖掘工具，报表系统等全方位知识

QQ群：81035754