[人工智能][论文分享] Overcoming Catastrophic Forgetting in Incremental Few-Shot Learning by Finding Flat Minima

我又来给大家分享PAPER了！！！
今天给大家分享的这篇论文是NIPS’ 2021的一篇Few-Shot增量学习(FSCIL)文章，这篇文章通过固定backbone和prototype得到一个简单的baseline，发现这个baseline已经可以打败当前IL和IFSL的很多SOTA方法，基于此通过借鉴robust optimize的方法，提出了在base training训练时通过flat local minima来对后面的session进行fine-tune novel classes，解决灾难性遗忘问题。

1.1 Motivation

• 不同于现有方法在学习新任务时尝试克服灾难性遗忘问题，这篇文章提出在训练base classes时就提出策略来解决这个问题。
• 作者提出找到base training function的flat local minima，最小值附近loss小，作者认为base classes分离地更好。(直觉上，flat local minima会比sharp的泛化效果更好，参阅下图[2])
  
  ?

1.2 Contribution

• 作者发现一个简单的baseline model，只要在base classes上训练，不在new tasks上进行适应，就超过了现有的SOTA方法，说明灾难性遗忘问题非常严重。
• 作者提出在primitive stage来解决灾难性遗忘问题，通过在base classes上训练时找到flat minima region并在该region内学习新任务，模型能够更好地克服遗忘问题。

?

1.3 A Simple Baseline

作者提出了一个简单的baseline，模型只在base classes上进行训练，在后续的session上直接进行推理。

Training(t=1)
在session 1上对特征提取器进行训练，并使用一个全连接层作为分类器，使用CE Loss作为损失函数，从session 2($t\ge 2$)开始将特征提取器固定住，不使用novel classes进行任何fine-tune操作。
Inference(test)
使用均值方式获得每个类的prototype，然后通过欧氏距离$d(?,?)$采用最近邻方式进行分类。分类器的公式如下：

其中$p_c$表示类别$c$的prototype，$N_c$表示类别$c$的训练图片数量。同时作者将$C^T$中所有类的prototypes保存下来用于后续的evaluation。
作者表示通过这种保存old prototype的方式就打败了现有的SOTA方法，证明了灾难性遗忘非常严重。

?

1.4 Method

核心想法就是在base training的过程中找到函数的flat local minima ${\theta }^{?}$，并在后续的few-shot session中在flat region进行fine-tune，这样可以最大限度地保证在novel classes上进行fine-tune时避免遗忘知识。在后续增量few-shot sessions($t\ge 2$)中，在这个flat region进行fine-tune模型参数来学习new classes

1.4.1 寻找Base Training的flat local minima

Definition 1($b$-Flat Local Minima) Given a real-valued objective function $\mathcal{L}(z;\theta )$, for any $b>0$, ${\theta }^{?}$ is a b-flat local minima of $\mathcal{L}(z;\theta )$, if the following conditions are satisfied.

为了找到base training function的近似flat local minima，作者提出添加一些随机噪声到模型参数，噪声可以被多次添加以获得相似但不同的loss function，直觉上，flat local minima附近的参数向量有小的函数值。
假设模型的参数 θ = { ? , ψ } \theta=\{\phi,\psi\} θ={?,ψ}，$?$表示特征提取网络的参数，$\psi$表示分类器的参数。$z$表示一个有类标训练样本，损失函数$\mathcal{L}:{\mathbb{R}}^{d_z}\to \mathbb{R}$。我们的目标就是最小化期望损失函数

$P(z)$是数据分布$P(?)$是噪声分布，$z$和$?$是相互独立的。
因此最小化期望损失是不可能的，所以这里我们最小化他的近似，empirical loss，

${?}_i$是$P(?)中的噪声样本$，$M$是采样次数。这个loss的前半部分是为了找到flat region，它的特征提取网络参数$?$可以很好地区分base classes。第二部分是通过MSE Loss的设计为了让prototype尽量保持不变， 避免模型遗忘过去的知识。

?

1.4.2 在Flat Region内进行IFSL

作者认为虽然flat region很小，但对于few-shot的少量样本来说，足够对模型进行迭代更新。

通过欧氏距离使用基于度量的分类算法来fine-tune模型参数。

?

1.4.3 收敛性分析

我们的目标是找到一个flat region使模型效果较好。然后，通过最小化期望损失(噪声$?$和数据$z$的联合分布)。为了近似这个期望损失，我们在每次迭代中多次从$P(?)$采样，并使用随机梯度下降(SGD)优化目标函数。后面是相关的理论证明，感兴趣的可以自行阅读分析。

?

【参考文献】
[1] Shi G, Chen J, Zhang W, et al. Overcoming Catastrophic Forgetting in Incremental Few-Shot Learning by Finding Flat Minima[J]. Advances in Neural Information Processing Systems, 2021, 34.
[2] He H, Huang G, Yuan Y. Asymmetric valleys: Beyond sharp and flat local minima[J]. arXiv preprint arXiv:1902.00744, 2019.