導(dǎo)讀：在NeurIPS 2020上，商湯新加坡團隊提出的Balanced－Meta Softmax （BALMS）， 針對真實世界中常見的長尾數(shù)據(jù)分布提出了新的視覺識別方案。在優(yōu)化目標方面，BALMS 提出一種新的損失函數(shù)，Balanced Softmax，來修正長尾設(shè)定下因訓(xùn)練與測試標簽分布不同而導(dǎo)致的偏差。在優(yōu)化過程方面，BALMS提出 Meta Sampler來自動學習最優(yōu)采樣率以配合Balanced Softmax，避免過平衡問題。BALMS在長尾圖像分類與長尾實例分割的共四個數(shù)據(jù)集上取得SOTA表現(xiàn)。這項研究也被收錄為ECCV LVIS workshop的spotlight。

論文名稱： Balanced Meta－Softmax for Long－Tailed Visual Recognition

問題和挑戰(zhàn)

真實世界中的數(shù)據(jù)分布大多符合長尾分布：常見類比占據(jù)了數(shù)據(jù)集中的主要樣本，而大量的罕見類別只在數(shù)據(jù)集中少量出現(xiàn)。例如一個動物圖片數(shù)據(jù)集中，寵物貓的圖片數(shù)量可能遠遠超過熊貓的圖片數(shù)量。

由于長尾現(xiàn)象對算法落地造成了很大的挑戰(zhàn)，視覺社區(qū)對這一問題的關(guān)注日漸增加，近年陸續(xù)推出了一些長尾數(shù)據(jù)集，例如大規(guī)模實例分割數(shù)據(jù)集LVIS。我們發(fā)現(xiàn)長尾問題的難點主要存在于以下兩個方面：

1）優(yōu)化目標。根據(jù)長尾問題的設(shè)定，訓(xùn)練集是類別不均衡的。然而主流的指標，如mean AP （mAP），衡量全部類別上的平均精度，因此鼓勵算法在類別平衡的測試集上取得較好的表現(xiàn)。這導(dǎo)致了訓(xùn)練與測試時標簽分布不同的問題，我們稱之為標簽分布遷移。

2）優(yōu)化過程。罕見類別在模型訓(xùn)練過程中很少出現(xiàn)，因此無法在優(yōu)化過程中提供足夠的梯度。這使得即使我們有了一個較好的優(yōu)化目標，也很難使模型收斂到對應(yīng)的全局最優(yōu)。

方法介紹

1． Balanced Softmax

Softmax函數(shù)常常被用來將模型輸出轉(zhuǎn)化為物體屬于每個類別的條件概率。

應(yīng)用貝葉斯定理可以發(fā)現(xiàn)常規(guī)的Softmax回歸會受到標簽分布遷移的影響，并作出帶偏差的估計。這個偏差導(dǎo)致Softmax回歸出的分類器更傾向于認為樣本屬于常見類別。

舉一個簡單的例子，考慮這樣一個任務(wù)：通過性別來分類貓和狗。這個任務(wù)看起來是無法完成的，因為我們知道性別在貓和狗上是均勻分布的。無論貓還是狗，都有50％的可能性是雌性和50％的可能性是雄性，因此只靠性別我們無法區(qū)別貓和狗。

有趣的是，當我們的訓(xùn)練數(shù)據(jù)是類別不平衡的時，比如有90％的貓和10％的狗，我們的估計就會出現(xiàn)偏差：這時無論是雄性還是雌性，我們都會傾向于認為它是一只貓。在這樣的訓(xùn)練數(shù)據(jù)上學習到的分類器就會天然帶有對常見類別的偏愛。

為了避免這個偏差，我們從多項分布的Exponential Family形式出發(fā)重新對Softmax進行了推導(dǎo)并顯式考慮了標簽分布遷移，得到了適合長尾問題的Balanced Softmax。同時，我們發(fā)現(xiàn)Balanced Softmax可以近似地最小化長尾設(shè)定下的泛化錯誤上界。

為了分析Balanced Softmax的效果，我們將模型在測試集上預(yù)測的分數(shù)在每個類別上累加，用來計算模型預(yù)測的標簽分布。理想情況下，模型在測試集上預(yù)測出的標簽分布應(yīng)該是平衡的。在下圖中我們對不同模型的預(yù)測類別進行了可視化，類別按照出現(xiàn)頻率降序排列，第0類為出現(xiàn)次數(shù)最多的類。我們發(fā)現(xiàn)藍色線代表的常規(guī)Softmax明顯地偏向于常見類別，橙色線代表的Equalization Loss ［1］ 通過去除某閾值以下罕見類別的負樣本梯度緩解了這一問題，而紅色線代表的Balanced Softmax則進一步達到了最平衡的預(yù)測類別分布。

2． 元采樣器Meta Sampler

雖然我們得到了一個適合長尾問題的理想的優(yōu)化目標，優(yōu)化過程本身依然充滿挑戰(zhàn)：罕見類別只能在訓(xùn)練中出現(xiàn)極少次數(shù)，因此無法很好地貢獻到訓(xùn)練梯度。解決這一問題的最常見的方法是類別均衡采樣 （CBS）［2］，也就是對每個類別采樣同樣數(shù)量的樣本來組成訓(xùn)練批次。然而，實驗表明直接將Balanced Softmax與CBS一起使用會導(dǎo)致模型表現(xiàn)下降，于是我們對兩者一起使用時的梯度進行了分析。在假設(shè)接近收斂時，我們有：

理想情況下每個類別的梯度的權(quán)重應(yīng)和類別內(nèi)樣本數(shù)量成反比，但上式中的權(quán)重為和類別內(nèi)樣本數(shù)量成平方反比。我們將這個現(xiàn)象稱為過平衡問題。

下圖展示了一個對過平衡問題的可視化。這是一個類別不平衡的二維數(shù)據(jù)三分類問題，三個類別分別為紅、黃、藍，樣本數(shù)量分別為10000、100和1。可以發(fā)現(xiàn)Balanced Softmax和CBS一起使用時，優(yōu)化過程會被藍色的罕見類別主導(dǎo)。

為了解決過平衡問題，我們提出了Meta Sampler（元采樣器），一種可學習版本的CBS。Meta Sampler使用元學習的方法，顯式地學習當前最佳的采樣率，從而更好地配合Balanced Softmax的使用。

下圖展示了我們對不同模型預(yù)測的標簽分布進行的可視化。其中，紫色線代表的Balanced Softmax與CBS的組合由于過平衡問題，明顯地偏向于尾部類別。而紅色線代表的Balanced Softmax與Meta Sampler的組合則很好地解決了這一問題，最終取得了最為均衡的標簽分布。

實驗結(jié)果

我們在圖像分類（CIFAR－10／100－LT，ImageNet－LT，Places－LT）與實例分割（LVIS－v0．5）兩個任務(wù)上分別進行了實驗驗證。實驗結(jié)果顯示了Balanced Softmax和Meta Sampler對模型表現(xiàn)都有明顯的貢獻。兩者的組合，Balanced Meta－Softmax （BALMS），在這兩個任務(wù)上都達到或超過了SOTA結(jié)果，尤其在最具挑戰(zhàn)性的LVIS數(shù)據(jù)集上大幅超過了之前的SOTA結(jié)果。

這項研究也被收錄為ECCV LVIS workshop的Spotlight，關(guān)于LVSI－v1．0的相關(guān)實驗結(jié)果可以在LVSI workshop主頁上找到（Team Innova）。

結(jié)語

BALMS對長尾問題下的概率建模以及采樣策略進行了探討。我們發(fā)現(xiàn)常用的Softmax回歸在存在標簽分布遷移時會出現(xiàn)估計偏差，并提出了Balanced Softmax來避免這個偏差。另一方面，我們發(fā)現(xiàn)類別均衡采樣器在與Balanced Softmax一起使用時會導(dǎo)致過平衡問題，于是提出元采樣器來顯式學習最優(yōu)采樣策略。我們的解決方案在長尾圖像分類與長尾實例分割任務(wù)上均得到了驗證。歡迎關(guān)注我們的開源代碼庫，希望BALMS可以成為未來長尾學習的良好基線。

責任編輯：xj