Feature Fusion for Online Mutual Knowledge Distillation （CVPR 2019）

一、解决问题

• 如何将特征融合与知识蒸馏结合起来，提高模型性能

二、创新点

• 支持多子网络分支的在线互学习
• 子网络可以是相同结构也可以是不同结构
• 应用特征拼接、depthwise+pointwise，将特征融合和知识蒸馏结合起来

三、实验方法和理论

1.Motivation

DML (Deep Mutual Learning)

• 算法思想：

​ 用两个子网络（可以是不同的网络结构）进行在线互学习，得到比单独训练性能更好的网络

• 损失函数：

​ 传统监督损失函数：

​ 模仿性的损失函数：

​ 单个网络的损失函数：

ONE (On-the-FlyNative Ensemble)

• 算法思想:

​ 通过在网络深层次构造多分支结构，每个分支作为学生网络，融合logit分布，生成更强的教师网络，进而通过学生/教师网络的共同在线学习，互相蒸馏，训练得性能优越的单分支或多分支融合模型。

• logit融合 (Gate Module：FC、BN、ReLU、Softmax)：
  

• 损失函数：
  

DualNet

• 算法思想：

​ 通过融合两个互补parallel networks生成的特征，使得融合后的性能比单独训练的性能更好

• 损失函数：
  

• 启发：结合DML、ONE和DualNet的思想，构造一个支持（相同或者不同的）多个子网络分支进行特征融合的网络结构，进而让融合分类器和分类器进行在线互学习，互蒸馏的方式，从而提高网络的性能。

  2.Network Architecture

• Fusion Module

• Fusion Module 将Net1 和Net2 的到的特征张量进行拼接，然后通过Depthwise conv 得到一个通道数为M的特征张量，经过 Pointwise conv 后生成一个通道数为N的特征张量，即为融合后的特征。
• 子网络和融合网络同时训练，将子网络最后一层得到的特征，通过一个Fusion Module进行特征融合，得到融合分类器的概率分布。

3.训练过程

• 软分布概率：

其中，

• 集成logit概率分布计算：

• 交叉熵损失函数：

• KL散度损失函数：

​ 这里有两个KL散度损失函数，分别对应从 Ensemble Classifier 到 Fused Classifier 的知识蒸馏和从 Fused Classifer 到 Sub-network Classifier 的知识蒸馏的损失函数。

• 总的损失函数：

四、实验结果

数据集

• CIFAR-10
  • 50k 训练集，10k 测试集
  • 10种图像类别，每类 6k 张图片
• CIFAR-100
  • 50k 训练集，10k 测试集
  • 100种图像类别，每类600张图片
• ImageNet LSVRC2015
  • 1.2M 训练集，50k 验证集
  • 1000种图像类别

特征融合对比（FFL vs DualNet)：

• FFL融合后的性能略比DualNet好
• FFL得到的子网络性能明显比DualNet好

消融实验

• 缺少任何一个模块都会导致融合分类器和子分类的效果下降，尤其当缺少FKD时，子网络性能下降很多。

在线蒸馏对比（FFL vs ONE）：

由于FFL比ONE多了一个Fusion Module为了参数大小公平起见，ONE在Gate模块前多叠加几个残差模块

• vanilla 表示单独训练的结果，ONE表示两个子网络的平均结果，ONE-E表示融合后的结果，ONE-E+表示参数与FFL大小一样融合后的结果，FFL-S表示子网络的平均结果，FFL表示融合后的结果
• 即便增加ONE的残差模块，从ONE-E和ONE-E+的对比来看，性能并没有多大提升，甚至有所下降（例如CIFAR-100）
• 从表格发现，FFL比ONE的效果略有提升

分支拓展：

• 随着分支数增多，性能也略有提升。

ImageNet：

• ONE 和 FFL性能相似，FFL效果略好一些。
• 这说明了本文方法一样适用于大规模的数据集

互学习性能对比（FFL vs DML）:

• 虽然参数量FFL比DML多4%，但性能优于DML，也说明了FFL适用于不同子网络结构。

定性分析

• 1-2列，分类都是正确，但FFL关注的特征区域比单独训练的ResNet-34好，且置信度更高
• 3-6列，FFL分类正确，而单独训练的ResNet-34分类错误
• 7-9列，两者分类都是错误的，但是FFL关注的特征区域属于正确类别的关注区域。
• 同时我们发现Subnet的特征热区一直在拟合Fusion的结果，这也验证了互蒸馏的有效性，即的确学习到软概率分布中含有的丰富的错误类别的相关概率信息。

五、 总结

• 结合预训练模型，该方法可以适用于图像检测（RPN特征），图像分割（dense feature），风格迁移等任务。

• 同时兼顾子网络和融合网络的性能，根据实际需要，选择子网络或者融合网络

• Fusion Module 可以得到更为丰富的图像特征，从而提高整体性能。

• 子网络的选择限制低，可以选择多个相同或者不同的网络构成

• 能够将多个方法的优点结合起来得到更好的方法，实验充分

• 不足：参数量略多一些，以及子网络结构选取的不确定性