[论文阅读] iCaRL: Incremental Classifier and Representation Learning

论文地址：https://openaccess.thecvf.com/content_cvpr_2017/html/Rebuffi_iCaRL_Incremental_Classifier_CVPR_2017_paper.html
代码：https://github.com/srebuffi/iCaRL
发表于：CVPR 17

Abstract

人工智能道路上的一个主要的开放性问题是开发渐进式学习系统，随着时间的推移从数据流中学习越来越多的概念。在这项工作中，我们介绍了一种新的训练策略，即iCaRL，它允许以这种类增量的方式进行学习：只有少数类的训练数据必须同时存在，而新的类可以逐步增加。iCaRL同时学习强分类器和数据表示法。这使它区别于早期的工作，这些工作从根本上受限于固定的数据表示，因此与深度学习架构不兼容。我们通过对CIFAR-100和ImageNet ILSVRC 2012数据的实验表明，iCaRL可以在很长一段时间内逐步学习许多类别，而其他策略很快就会失败。

I. Introduction

从某种角度看，本文与Learning without Forgetting(ECCV 16)[1]一起，构成了深度类增量学习(Class-Incremental Learning, CIL)的开山之作。尤其是iCaRL本身定义好了相对完整的"刷榜规范"，使得后续出现了许多有关CIL的研究。为此这里我们首先对CIL进行一个简单的介绍。

(类)增量学习其实是个在落地中十分现实的问题。一般来讲，在我们炼丹的时候，如果有新数据加入，那么为了刷点，我们是需要将所有的新旧数据都拿去训练的。然而在实际工程中不可能这么搞，因为retrain是非常花时间的，何况可能每时每刻都会有新的业务数据被加入(一个典型的例子为人脸识别)。

至此，一个直观的想法是直接把新数据拿去finetune，以获得新数据中的知识。但这么做有个问题，由于只在新数据上训练，对于网络本身而言，其目标单纯就是使得新数据的loss尽可能的更低，而不需要去考虑旧任务的性能。为此，这么一通操作下来后，新任务的性能是上来了，而旧任务的性能往往会下降非常明显。而增量学习这一任务的目的就是尽可能地去保留新旧任务的性能，终极目标是构建一个不会遗忘旧有知识的学习系统。

II. Definition

这节我们以一个例子来说明增量学习的实验室设置。既然是类-增量学习，也就是说研究的是图像分类任务。以Cifar-100为例，首先，随机选取10个类，并在这10个类上训练收敛。接着，新获得了10个类，网络在10个新类的图像上继续训练，而不再使用旧有的(10个类)数据。如此反复，直到使用完100个类。每轮的测试是在目前已知的类上进行的(不考虑尚未加入训练的类)，换而言之就是新旧类的平均度。实验结果往往都是一张长这样的图：

由于初始类(包括后续类)的选择以及顺序都可能对性能产生影响，为此最终的实验往往是多个随机种子取平均。此外，需要注意一点的是，虽然上面讲的是"不再使用旧有的(10个类)数据"，然而实际工作中，为了保证旧任务的性能，许多CIL会维护一个小型的旧样本库，这些样本也会与每轮的新样本一起训练，iCaRL也采用了这种思路。这类方法可以被称作基于示范(exemplar-based，示范指的就是上面的旧样本)的方法。与之相对的，也有彻底不依赖旧样本的方法(如LwF[1])，不过这种情况下性能一般就会差些意思了。

接下来，将介绍iCaRL为实现增量学习所采用的方法。

III. Nearest-Mean-of-Exemplars Classification

首先一个问题就是怎么训练。使用全连接+softmax进行分类的话，有个问题，就是全连接层的结点数得和任务的分类数相对应，比如10分类就得有10个结点。但是，类增量学习的设置下类的数量是会不断发生变化的，因此使用传统的FC可能出现问题。

本文的分类采用了类似KNN的思想，即，为每个类计算一个原型(prototype)向量，然后对于一个新样本，其特征和哪个原型接近就属于哪一类。这样的话，原有的类的知识不会受影响(存在原型向量里)，而新类也可以很方便地加入。至于原型向量，其实就是算所有该类所有示例样本的特征平均(不用所有样本可能是基于计算效率的考虑)。

IV. Exemplar Management

解决了分类的问题后，下一个问题就是怎么去添加/删除示例样本的问题。

添加： 其实就是一个类似于求聚类中心的概念。对于某一类的所有样本，求这些样本的特征平均，然后选出前$k$个最接近特征平均的样本作为示例。

删除： iCaRL采取的策略是，每时每刻都利用满内存。假设某一时刻已经观察到了$t$个类，那么就为每个类存储$k=K/t$个示例(K为最大存储容量)。从这里可以发现，随着新类的加入，一些旧类的样本是要被移除的。而移除的策略也很简单粗暴。记上一轮该类能存储$k$个示例，而本轮只能存储$k^{\prime }$个，那么只需要把$k-k^{\prime }$个相对离特征平均更远的样本移除即可(即尽可能地去保留离特征平均近的样本)。

V. Loss

在损失函数中加入蒸馏项，以约束网络在旧类上的输出尽可能保持不变，从而进一步减缓对旧类知识的遗忘：$$\begin{array}{rl}\ell (\Theta )=-\sum _{\left(x_i,y_i\right)\in \mathcal{D}}& [\sum _{y=s}^t{\delta }_{y=y_i}\log g_y\left(x_i\right)+{\delta }_{y\ne y_i}\log \left(1-g_y\left(x_i\right)\right)\\ +& \sum _{y=1}^{s-1}{q}_i^y\log g_y\left(x_i\right)+\left(1-q_i^y\right)\log \left(1-g_y\left(x_i\right)\right)]\end{array}$$

Ref

[1] Li, Zhizhong, and Derek Hoiem. “Learning without forgetting.” IEEE transactions on pattern analysis and machine intelligence 40.12 (2017): 2935-2947.