今天跟大家分享一篇關(guān)于語義分割的論文，剛剛上傳到arXiv的CVPR 2019接收論文《Structured Knowledge Distillation for Semantic Segmentation》，通訊作者單位為微軟亞洲研究院。

作者信息：

作者分別來自澳大利亞阿德萊德大學(xué)、微軟亞洲研究院、北航、Keep公司、三星中國研究院，該文為第一作者Yifan Liu在微軟亞洲研究院實習(xí)期間的工作。

該文研究了在語義分割模型的知識蒸餾中引入結(jié)構(gòu)化信息的損失函數(shù)，在不改變模型計算量的情況下，使用該方法在Cityscapes數(shù)據(jù)集上mIoU精度取得了最高達(dá)15.17%的提升。

什么是知識蒸餾？

顧名思義，知識蒸餾是把知識濃縮到“小”網(wǎng)絡(luò)模型中。一般情況下，在相同的數(shù)據(jù)上訓(xùn)練，模型參數(shù)量較大、計算量大的模型往往精度比較高，而用精度高、模型復(fù)雜度高的模型即Teacher網(wǎng)絡(luò)的輸出訓(xùn)練Student網(wǎng)絡(luò)，以期達(dá)到使計算量小參數(shù)少的小網(wǎng)絡(luò)精度提升的方法，就是知識蒸餾。

知識蒸餾的好處是顯而易見的，使用知識蒸餾后的Student網(wǎng)絡(luò)能夠達(dá)到較高的精度，而且更有利于實際應(yīng)用部署，尤其是在移動設(shè)備中。

下面兩幅圖中，作者展示了使用該文提出的結(jié)構(gòu)化知識蒸餾的語義分割模型在計算量和參數(shù)量不變的情況下，精度獲得了大幅提升。

算法原理

知識蒸餾的目標(biāo)是希望對于Teacher網(wǎng)絡(luò)和Student網(wǎng)絡(luò)給定相同的圖像，輸出結(jié)果盡量一樣。

所以，知識蒸餾的關(guān)鍵，是如何衡量Teacher網(wǎng)絡(luò)和Student網(wǎng)絡(luò)輸出結(jié)果的一致性，也就是訓(xùn)練過程中的損失函數(shù)設(shè)計。

該文中作者將語義分割問題看為像素分類問題，所以很自然的可以使用衡量分類差異的逐像素（Pixel-wise）的損失函數(shù)Cross entropy loss，這是在最終的輸出結(jié)果Score map中計算的。

同時作者引入了圖像的結(jié)構(gòu)化信息損失，如下圖所示。

如何理解圖像的結(jié)構(gòu)化信息？一種很顯然的結(jié)構(gòu)化信息即圖像中局部的一致性。在語義分割中，可以簡單理解為，預(yù)測結(jié)果中存在的自相似性，作者衡量這種結(jié)構(gòu)化信息的方式是Teacher預(yù)測的兩像素結(jié)果和Student網(wǎng)絡(luò)預(yù)測的兩像素結(jié)果一致。衡量這種損失，作者稱之為Pair-wise loss（也許可以翻譯為“逐成對像素”損失）。

另一種更高層次的結(jié)構(gòu)化信息是來自對圖像整體結(jié)構(gòu)相似性的度量，作者引入了對抗網(wǎng)絡(luò)的思想，設(shè)計專門的網(wǎng)絡(luò)分支分類Teacher網(wǎng)絡(luò)和Student網(wǎng)絡(luò)預(yù)測的結(jié)果，網(wǎng)絡(luò)收斂的結(jié)果是該網(wǎng)絡(luò)不能再區(qū)分Teacher網(wǎng)絡(luò)和Student網(wǎng)絡(luò)的輸出。作者稱這塊損失函數(shù)為Holistic loss（整體損失）。

仔細(xì)想想，作者設(shè)計的損失函數(shù)的三部分，逐像素的損失（Pixel-wise loss，PI）、逐像素對的損失（Pair-wise loss，PA）、整體損失（Holistic loss，HO）都很有道理，是不是？

作者使用ResNet18網(wǎng)絡(luò)模型在Cityscapes數(shù)據(jù)集上研究了作者提出的損失函數(shù)各部分對結(jié)果的影響。（ImN代表用ImageNet預(yù)訓(xùn)練模型初始化網(wǎng)絡(luò)）

結(jié)果如下圖。

可知，作者提出的損失函數(shù)的各個部分都能使得Student網(wǎng)絡(luò)獲得精度增益，最高達(dá)15.17%！CV君發(fā)現(xiàn)逐像素對的損失（Pair-wise loss，PA）獲得的增益最大。

實驗結(jié)果

作者使用多個輕量級網(wǎng)絡(luò)模型，在三個主流語義分割數(shù)據(jù)庫上進(jìn)行了實驗。

下圖為在Cityscapes數(shù)據(jù)集上的結(jié)果，使用該文方法知識蒸餾后Student網(wǎng)絡(luò)精度獲得了大幅提升！

下圖為一些預(yù)測結(jié)果示例，視覺效果上改進(jìn)明顯。

下圖為在CamVid數(shù)據(jù)集上的結(jié)果，同樣改進(jìn)明顯。

CamVid數(shù)據(jù)集上的Student網(wǎng)絡(luò)預(yù)測示例，視覺上也好了很多。

下圖為在ADE20K數(shù)據(jù)集上的實驗結(jié)果，同樣所有網(wǎng)絡(luò)模型的精度都獲得了大幅提升！

目前還未發(fā)現(xiàn)該文作者公布代碼。