<mark id="oztn4"></mark>
0
| 本文作者： 余快 | 2020-08-13 01:29 | 專題：CCF-GAIR 2020 全球人工智能與機器人峰會 |
2020 年 8 月 7 日，第五屆全球人工智能與機器人峰會（CCF-GAIR 2020）在深圳正式開幕。
CCF-GAIR 2020 峰會由中國計算機學會（CCF）主辦，雷鋒網、香港中文大學（深圳）聯合承辦，鵬城實驗室、深圳市人工智能與機器人研究院協辦。
作為中國最具影響力和前瞻性的前沿科技活動之一，CCF-GAIR 大會已經度過了四次精彩而又輝煌的歷程。
在第二天的人工智能前沿專場上，澎思科技首席科學家、新加坡研究院院長申省梅以“遷移學習”為主題發表了精彩演講。
申省梅從傳統機器學習的痛點、深度學習帶來的突破、深度遷移學習、遷移學習中用到的一些技術和實例方面進行了分享，并分析了遷移學習在視覺智能方向上的應用需求。
傳統機器學習的痛點之一是泛化能力差，原因之一是它使用手工特征，靠設計者的經驗得到，并無法掌握數據中的非線性變化，每種特征只能對特定的場景或特定的任務才有效。泛化能力差導致魯棒性差，落地成本高，用戶滿意度差。
另一方面，深度學習模型為計算機視覺帶來的突破，也是在給定的數據集上訓練出來的，可以很好地反映給定數據的特點。而給定的數據集僅僅代表了某一領域。盡管在這些特定數據集訓練的模型具有很高的準確性，遠遠超過傳統機器學習，但在新的場景下它的性能無法維持，并且在用于新任務的時候可能會導致性能顯著下降。深度學習的突破仍然取決于數據。
另外，申省梅還指出深度學習AI落地痛點：
1、感知環境及應用場景的千變萬化：天氣、光線、角度、遮擋等因素變化導致成像質量不同并且質量不佳；訓練數據與落地場景的不一致導致AI模型性能陡然下降；
2、重新訓練模型需要大量的AI專業人才來完成，周期長成本高見效慢，已經成為AI普惠的障礙；
3、AI人才的短缺以及成本昂貴會阻礙企業采納人工智能以及它帶來的效益。
通用智能是下一代AI發展的必然趨勢，申省梅表示，澎思會在遷移學習、無監督、自監督學習、小樣本學習、多模態學習這幾個真正反映AI落地實際情況的領域里面落地生根。
以下為申省梅的現場演講內容，雷鋒網作了不改變原意的編輯及整理：
大家好，我是申省梅，澎思科技首席科學家，也是新加坡研究院的負責人，我今天的主題是“基于遷移學習的視覺智能發展與應用”。
我會從傳統機器學習的痛點、深度學習帶來的突破，以及深度遷移學習、遷移學習中用到的一些技術和實例做分享，也會給大家展望一下遷移學習在視覺智能方向上的應用需求。
傳統機器學的痛點就是泛化能力差，原因之一是它的特征不是針對數據的自適應性，它是用一個手工特征預先經過很多先驗知識得到的HOG、LBP、SIFT這樣的特征，再進行提取特征的。不像深度學習能夠用深度神經網絡自動地提取。
由于泛化能力差，在實際落地的時候，魯棒性也會差，導致每次訓練好的模型在換場景時，全部都需要重新搜集數據訓練，落地的成本非常高，用戶的滿意程度也很差。
在傳統機器學習時代，也有一個很好的Benchmark數據庫，叫PASCAL VOC。學術界、工業界都在上面訓練，測評自己訓練的模型。我們在2010年到2012年期間與新加坡國立大學的顏水成團隊一起打比賽，并且獲得三年的冠軍。這個比賽包括目標的分類、檢測和分割。
當時另外一個Benchmark的比賽叫VOT Tracking，是一個視覺跟蹤任務的國際比賽，2013到2014年我們也獲得這個比賽的冠軍。這個性能評價不僅僅包括跟蹤的精度，還有跟蹤的速度、魯棒性以及實現的復雜性。我們的冠軍模型可以在當時的英特爾i5上跑到每秒200幀以上。
深度學習能夠解決泛化性和魯棒性，并且精度大幅度提升，所以2013年《麻省理工科技評論》把深度學習列在十大技術的突破之一。
我們當時也意識到深度學習可以讓機器學習更加逼近人的大腦智能：它不僅是精度從95%升到99%，更是一個商業模式的改變。它可以實現過去很多不能實現的東西，能夠挖掘出比人類大腦更智能化的東西。最近這幾年，風險投資公司投入了很多，尤其是在深度學習和計算機視覺領域，我們也看到了越來越多這方面的技術得到落地。
深度學習帶來的突破，我們都不會忘記最大的貢獻者，ImageNet數據庫。由于它的量很大，標注干凈，噪聲少，吸引了大量的研究機構在上面進行模型訓練和比賽。
最早開始的機器學習還只能夠達到70%多的準確率，26%的分類誤差。接下來的四五年內，準確率越來越高，很快就超越了人眼判斷的精度。當時大家都認為ImageNet是計算機視覺年度的奧林匹克大賽。
除了大數據很重要以外，算力也非常重要。如果沒有提取大數據的超級算力，沒有GPU的算力，沒有這些耕耘在深度學習網絡的開拓者們，大家不會看到今天的變化。
澎思在各個行業耕耘時發現，產業對計算機視覺技術要求、性能要求非常高，我們很快就在不同的需求下開發出自己的人臉技術、行人技術、車輛技術、人機非技術、人群分析、行為識別、圖象增強恢復技術，以及聲紋和指紋技術，還有自主導航、3D重建的技術。在這之前，通過傳統機器學習，大部分的技術都能實現，但是使用深度學習后，性能極大提升，澎思也以此將自研的計算機視覺技術應用在自家的很多產品和各個落地業務當中。
澎思科技在成立短短的兩三年中，15次取得了國際比賽冠軍，也刷新了各種權威數據集的世界紀錄。去年ICCV的輕量級人臉識別挑戰賽的4個賽道中，我們在三個賽道的成績都是名列第一。
澎思AIoT的藍圖中，深度學習算法可以應用在智慧樓宇、智慧社區、智慧園區、智慧工廠等多個場景中，中間一層是澎思的算法，不僅僅用在服務器端，即澎思云端，也應用在邊緣端和前端智能設備。
深度學習模型，比如CNN（卷積神經網絡）為計算機視覺帶來很大突破，但它也是在給定的數據上訓練出來的，可以很好地反應給定數據的特點。
而給定的數據集僅僅代表某個領域、某些場景、某種特定任務，比如CCTV監控下的自然圖像領域、戶外場景、任務是人臉識別、行人再識別和行為分析。
盡管在這些特定數據上訓練的模型具有很高的準確性，遠遠超過傳統機器學習，但在新場景下它的性能會下降。舉個簡單的例子，比如它的人臉識別是針對亞洲女性，就很難把這個模型應用在男性甚至是白人女，或者是兒童的識別上。
深度學習還是完全取決于給定的數據。也因此，目前依然存在著AI落地的痛點：
1、感知環境及應用場景的千變萬化：
相機在各個環境下捕捉到的圖像，隨著天氣、光線、角度、遮擋等因素變化、成像質量也不同；
訓練數據與落地場景的不一致導致AI模型性能陡然下降，比如在路面架著相機捕捉的行人、車輛和無人機捕捉的形狀是非常不同的。
2、重新訓練模型需要大量的AI專業人才來完成，成本高、周期長、見效慢，已經成為AI普惠的障礙。
3、AI人才的短缺以及成本昂貴會阻礙企業采納人工智能以及它帶來的效益。
澎思的使命就是“AI即服務”，在澎思的AIoT的平臺，通過“AI服務+AI功能定制終端”的技術部署，形成一個閉環生態，從而解決這些痛點。
遷移學習并不是新的概念，在1995年NIPS的研討會上大家就討論過如何歸納系統的知識，整合并遷移到新的領域，在2016年的NIPS上，吳恩達教授在他的演講里面也強調了下一個深度學習重要方向應該是遷移學習。
這是我們的遷移學習平臺，我們專注在某個任務上訓練出一個很好的預訓練模型，當然數據量是一個很好的條件，我們可以進行在線遷移學習、在線優化，自動下載到邊緣端。當目標域的數據出現各種各樣的情況時，我們會選擇不同的遷移算法。比如無監督學習、自監督學習、小樣本學習，以及GAN的遷移，還有多任務的學習，以及原域到目標域的映射，到新領域的一些遷移學習。
剛才提到一個很重要的遷移條件，預訓練模型。如果有一個很好的預訓練模型，任務就具備了很好的完成條件。ImageNet在計算機視覺領域在圖像分類/目標檢測/分割中有著無法撼動的地位，從李飛飛等人在CVPR2009發表的論文以來，很多人在ImageNet上訓練出越來越好的模型，受惠于各行各業。比如從2012年開始的AlexNet，后來有VGGNet、GoogleNet、ResNet、DenseNet，ResNeXt，這些模型大家今天都還在用，我們在場景下可以進行預訓練的方式，在這個場景上應用后，可以遷移到新的域。
這是一個應用案例，比如在某個特定的場景下需要高性能無人看管包的檢測，通過預訓練模型（人的檢測、包的檢測），應用遷移學習的框架，使得在遷移學習框架上性能從30%達到98%以上，加上其他的算法，就可以做到高性能的無人看管包的檢測。
另一個例子是人臉識別，如果有一個很好的預訓練模型，但訓練數據里，只有很少的兒童人臉識別，或者不同膚色人臉的識別、暗光的識別，就可能存在性能下降，所以遷移學習可以在特定的情況下達到源域一樣的性能，并且在源域的場景下，性能不打折扣。
另一個研究熱點是行人再識別。人臉識別之后，人們想用行人再識別，從圖像和外貌上尋找并鑒別是否是同一個人，在應用上我們叫跨相機場景下搜尋一個人。但是不像人臉和指紋，人體是非剛性的，受相機的角度、光線遮擋、分辨率變化，行人姿態/遮擋不同影響，它的因素是在變化的，到底人體的哪些特征是專屬一個特定人的，沒有一個確定的獨特性。行人圖像在監控下千變萬化，使得這個課題在計算機領域還是極具挑戰，也是一個研究的熱點和難點。
2019年7月份，澎思科技在行人再識別三大主流的測試數據上得到了業內最好的成績，刷新了世界紀錄，去年8月份我們又在基于視頻的行人再識別數據庫上再次取得了突破性的進展，刷新了歷史紀錄。
這些都是同一個域、同一類數據集取得的成績。當跨數據集或者跨域時會有什么問題？比如說在Duke上訓練出的模型，你要運用在Market-1501上，直接跨域，得到的數值是17.5mAP，如果進行遷移學習，可以提升到54.1以上。今年6月份在一個ReID的比賽上，澎思科技通過遷移學習，在三個數據集上都取得了很好的成績，大幅提升了跨域ReID算法的準確率。
本次比賽，澎思創新性地將對抗生成網絡與自監督學習算法結合進行模型訓練，通過遷移學習，進行高準確率的跨場景（數據庫）行人再識別算法研發。
對抗生成網絡在算法中主要有兩個功能：
一方面，進行數據庫的域遷移，具體為原域到目標域的風格遷移；另一方面，進行目標域數據庫的數據增強，具體為生成跨攝像頭數據并給模型賦予相機風格不變的約束。自監督學習則是通過聚類的方式給目標域數據庫打虛擬標簽并微調之前訓練好的網絡。
澎思在今年6月舉辦的CVPR 2020的一個跨域小樣本挑戰賽上也拿到了很好的成績。
傳統的機器學習和現在的深度學習都依賴大量的標注數據，并在監督下訓練出表現優異以及具備較強泛化能力的模型。最大的痛點是數據標注費時費力，訓練數據對應的場景和實際應用的場景不一致，這成為人工智能落地和廣泛普及的一大障礙。在此背景下，遷移學習和小樣本學習成為近年來研究的前沿熱點。
這個小樣本挑戰賽設計的前提是，目標域條件是樣本無法標注，且只有少量的樣本（5、20或50個樣本），目標域常與原域不同，而且標注數據非常耗時費力，尤其是一些醫學圖像，需要醫生專家的監督下來標注。在此情況下，他們設計的原域是自然圖像，怎么樣通過遷移學習和小樣本學習方式，讓它能夠在4個不同的域上，比如說農作物的疾病、衛星圖像和皮膚病變，以及胸部X光上達到很好的性能。
這是我們的成績，可以看到在農作物疾病上，在僅有5個樣本的情況下，遷移達到了96%的性能，隨著樣本的增加，到20、50個樣本時，可以達到接近99%的精度。隨著跨域越來越大，性能會下降，當樣本越來越多，性能也會相應的提高。平均的情況下，我們比Benchmark的67%多了7%，我們的結論是73.78%。在這個比賽中，我們用了一個框架叫元遷移學習+圖網絡，可以用在各種前端網絡。
多任務學習，在人臉屬性上，先在已有的源數據集（多種屬性）訓練一個對人臉屬性有好的表征性的模型，由于在我們要求的目標域的任務上，這個模型的數據沒那么多，但是我們利用了這個預訓練模型的泛化性，在目標域的多個任務上進行了優化，使得它能夠達到多個任務高性能的指標。
另外一個例子是在各種各樣的攝像頭角度下異常行為的檢測，比如說打架，各種各樣角度的打架，不同的表現方式、不同的光線，怎么樣訓練出來一個好的模型，使它能夠在不同的目標域上進行快速地遷移。
通用智能是下一代AI發展的必然趨勢，代表智能革命的未來。所以澎思會在遷移學習、無監督、自監督學習、小樣本學習、多模態學習這幾個真正反映AI落地實際情況的領域中落地生根。
我們的核心算法方向就是基于應用場景開發一站式服務，從場景的理解到解決方案，利用我們的算法池和工具箱，與前端設備、數據庫來進行端側和上云管理的優化，以及云計算的Cluster，讓我們無論是在云端算法還是邊緣端的算法，都有很好的一站式服務。
澎思的目標是在算法技術上走在國際計算機視覺的前沿，基于AI落地為主的前沿技術開發，建設云端AI在線遷移學習平臺，加強端側AI輕量化的設計體系，推動以用戶價值為導向的To B/To C產品創新。
最后展望一下遷移學習在視覺智能當中的應用需求。計算機視覺領域的預訓練模型目前還是不夠泛化、不夠魯棒，拿行人再識別做例子，在現有的數據上都無法在跨域當中提高到可用的性能。在現實的應用場景下，ReID的標注也是非常費力、耗時的，希望能夠在無標簽、少標簽的情況下，遷移學習能夠大幅度的提高。另外一個跨域場景的人的行為檢測，可以看到很多現實問題還待解決，希望遷移學習能夠在接下來AI落地和惠普進程中有更多突破。雷鋒網雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
