偏标签学习 (Partial Label Learning, PLL) 是一个经典的弱监督学习问题，它允许每个训练样本关联一个候选的标签集合，适用于许多具有标签不确定性和歧义的的现实世界数据标注场景。
然而，现存的 PLL 算法与完全监督下的方法依然存在较大差距。
针对这一现象，本期 AI Drive，浙江大学人工智能系在读博士-王皓波，解读其发表在 ICLR 2022的最新研究成果：PiCO：基于对比消歧的偏标签学习。
这项研究提出一个协同的框架，解决 PLL 中的两个关键研究挑战——表征学习和标签消歧。具体地， PiCO 由一个对比学习模块和一个新颖的基于类原型的标签消歧算法组成。PiCO 为来自同一类的样本生成紧密对齐的表示，同时促进标签消歧。从理论上讲，我们表明这两个组件能够互相促进，并且可以从期望最大化 (EM) 算法的角度得到严格证明。大量实验表明，PiCO 在 PLL 中显着优于当前最先进的PLL方法，甚至可以达到与完全监督学习相当的结果。
王皓波，浙江大学人工智能系博士在读，研究领域包括弱监督学习、多标签学习、机器学习理论等方向，专注于开发鲁棒、实用、可解释机器学习算法。曾于ICLR、TPAMI、AAAI、IJCAI等顶级会议与期刊发表多篇论文，长期担任ICLR、ICML、NeurIPS等顶会审稿人。
本次分享的具体内容有（按“数据实战派”指示回复关键词，可获得本文ppt，文末视频号看观看本期回放）：
丨研究背景
丨相关工作
丨PiCO介绍
丨实验结果
丨EM视角下的PiCO
丨科研心得体会
一、研究背景
深度学习和人工智能的兴起，依赖于海量般的标注性数据，而收集这么多精准的标注性数据，实际非常地费时费力，高校与公司要落地这样的产品，需要有大量的标注人员来参与。所以现在的很多学界文章和工作都在关注弱监督学习，减少标注成本，他们实现标签学习，还有半监督学习，并以此来减少标注的数据量和标注的困难。
这篇文章是从比较独特、重要，且容易忽略的角度，去探索数据标注中的一种内生困难，也就是数据标注本身所存在的歧义和不确定性。
假设你是标注者，拿到了这样一张图片，很自然地想问其中的狗是一只什么狗？你可能会想说，这可能是一只阿拉斯加，不对，好像是一只哈士奇。
此时，如果你是一个一直养狗的人，是一个狗类专家，那么你可能一眼就辨识出来其种属。但是，如果像是这种从未养过狗，并且对其领域知识掌握不充分的人，可能就没有办法判别出。此时，若我一定要确认这只狗的种属，就不得不去查找相关文献，或者咨询专家。但是就会费功夫，那么该怎么办？比如随机选一个，但是阿拉斯加和哈士奇里面却选错了，在这种情况下，对于模型和数据，就引入了噪声的标签，实际上会对模型的准确性造成非常大的影响。
另一种方案是，鉴于这张图片标柱的困难性，选择不标注。此时的问题是虽然无法确定这张图片的准确标注到底是什么，但实际上至少能够确定是哈士奇或阿拉斯加此两种中的一种。所以，无论如何也不会把它当做是一只泰迪。我们还是一些认识，只是还不够充分，此时到底该怎么办？
于是自然而然想到，是否可以把所有可能的候选标签全都给标上呢，这便引出本文所研究的一个问题，即Partial Label Learning。
这个数据标注中，像这只狗，其实它的准确标注是阿拉斯加，但在Partial Label Learning里面，我们不再强求这个标注到底是否准确，而是只需要去提供一个标注性的集合，也就是把所有的可能标签都给它标上。在文献中也有一个别称Superset Label Learning，或Ambiguous Label Learning。
上可能这两个名称看起来更加直观一点，但因为一些历史原因，沿用了Partial Label Learning这个方案和名称。
二、相关工作
本节介绍Partial Label Learning的一些相关工作。
在设计初期，大家对这个问题的研究还不是很彻底，可能会选用一些比较naive的学习策略，此处采用 Average-based Methods，可以把所有的标签都当作是真实的标签，采用平均的方式计算其均值，比如两个标签，可以让其中一个变成0.5，另外一个标签comment也变成0.5，交给模型去学习。但这个方法，并没有去判断其真实标签到底是什么，被淹没在了所谓的候选标签里，此时它实际上引入了大量的噪声，会影响学习的过程。
这两年，我们有提到Alexnet上开始兴起了基于Self-Training的风潮。自训练方式，就是在训练过程中重新使用模型输出来更新标签的Confidence，也就是我们所识别的一个真实的标签。
所采用的那种方式基本上就是用概括性方式所定义出来的，也是Program这个方法所采用的，一般会在这个候选机里面，对模型的输出进行重做Normalization，即重新进行规划。
在我们的提出的方法之前，比如CFAR在Benchmark上也能达到sota的效果，但我们发现，这却忽略了这么一个问题，就是用模型输出去再次更新标签，以便能对模型进行训练。
但实际上由于这个标签存在不确定性，其表征圈得很不好，在这样的情况下，当表征不好时，模型输出也不会太准确，这样以来又重新影响了此表征，这就是我们称为Representation-Disambiguation Dilemma的问题。。
另外一些方法，比如基于图的方法、基于聚类的方法等，都是基于一个假设表征无需预先学习，也忽略了Representation-Disambiguation Dilemma这么一个问题。
那么该怎么去学习表征呢，此处介绍这两年非常火热的方法，即对比学习。
在自监督学习领域，对比学习实际上已经成为了一种非常标准的无监督表征学习范式。
在对比学习中，一般会通过数据增广的方式，比如说右侧有只猫，给它生成不同的 Query和 Key，Embedding，就可以把这两个增广的图像绘进同一个Encoder，获得一个Embedding。
接下来用一个对比学习即Noise Contrastive Estimation，就可以利用Ncence损失来对表征进行训练。其本质是希望把图片与其近邻样本进行拉近，而与其他的样本进行拉远。
既然对比学习在无监督上面有这么好的效果，那么能不能用到弱精度学习General Contrastive Learning上呢，于是就进入了我们这篇文章PICO的工作。
三、PiCO介绍
本节会从三个角度来分析PICO。
首先是提出了协同的 Partial Label Learning框架，利用了对比学习来增强表征学习的能力，同时赋予了它能够提升这个标签消息的能力。
这篇文章也是首次在Partial Label Learning里面引入了对比学习，以便能达到一个很好的效果。从实验的角度来看，在 PLL问题里面达到了最先进的效果，并且还发现，当某些标签歧义不是很高时，甚至能够达到一个接近监督学习的效果。
理论上，从期望最大化的角度来看，也就是以EM算法的角度来解释我们的方法，其实我们在对比学习里面证明了Aligh，也就是对齐的性质。
先介绍一下Partial Label Learning的 Setup。
我们的目标是学习分类器，它的参数分类器f，定义为 setup，数据集是在每个Tuple，每个元组里面Xi是一张图片，么Yi相比于之前，可能是一个问号，或者是一个离散的标签，在这里将其定义成了一个候选标签的集合，注意它这也是集合，而不是某一个离散的值。
这里有一个假设是 ground-truth真实标签是被引入的，它被包含在候选标签集里面，并且ground-truth标签对预测器来说，是不可见的，那么，在训练的时候会同步地进行标签消歧，所以这是一个Identification Based Method，相比于之前介绍的 Average Base Method，我们在训练时维持了这么一个伪标签si，对于每一个样本，我们使用经典的 cross HP损失来更新它。
PiCO实际上是由两个比较大的模块构成，首先是一个对比学习网络，是希望使用对比信息来提升它的表示能力，后面我们也会介绍它的另一个大模块，即标签消歧模块。
首先是 Backbone，它 follow了经典的MoCo工作。具体来说，给定一个图片以后，通过数据增广的方式生成两个View，第一个是query view，第二个是key view。将query view这两张图片放入两个Encoder，上面Encoder是主干的网络输出，它会连接上刚才提到的分类器。
另外一个部分称为projector，即投影器，它是一个多层感知机，与之相连后通过 MLP，会得到q的 embedding，它可以意识到对比学习的空间。
key view增广以后的图像放入另外的Encoder，不参与梯度的训练只是提供对比，也可以作为副样本来使用。对它也不进行梯度更新，而是要采用momentum的更新来做目标average，使得每步用Classifier这个模块，以query模块的 encoder来逐步地更新它。
同样，通过momentum更新的MLP来得到另外一个embedding，与此同时，通过key还会维护队列，维护队列的作用其实是为对比时机提供负样本。众所周知，在对比学习里面比较大的副样本池子能够让其表征学得更好。
在query和key的 embedding以后构建embedding的池子，其中包含了这个bash。
通过学习使其通过网络后得到query的embeddings，然后是Key embeddings，还有队列里面存储的Key embeddings，拿到 pull以后，引入了对比学习的损失函数。
我们的想法是这样的，既然做了一个分类任务，希望能够把同类的样本尽可能地拉近，把不同类的样本尽可能地拉远，因此，可以通过经典的对比学习损失函数来达到这个目标。具体来说，为每个样本选择一个positive的集合，里面的embedding，我们会在分子部分来拉近距离。
在分母部分，把当前样本的 query的embedding和剩下所有样本的 embedding拉远，这样就能达到之前想要实现的目标了。
有了这个目标函数以后， px要怎么去定义呢？
在MoCo里面,我们可能会有样本 query embedding和它的key embedding。比如说，它与增广样本的另一个样本互为正样本，但是实际上在Partial Label Learning里面，我们显然不能简单地这么来做。
希望能够把同一个类的样本都给拉近，到底要去怎么做？
实际上实验的过程中，我们采用了相当多不同的策略去尝试来构建更好的 Positive set，比如可能会引入过滤器，来过滤掉一些可信度可能不那么高的 positive的样本，但实际上，最后发现还是XXX策略最有用且最有效，也就是直接用分类器预测的标签来帮助去构建。
只要 class的预测这两个样本它俩的标签相同，我们就把它视作是positive。当然我们也会为预测的标签维护一个队列，它和key embedding对应的队列是同一个size，而且还帮帮助获得 positive size。最后可以同时训练 classifier和对比学习网络了，就得加权损失。
到此，对比学习网络就介绍完。
但我们还是发现了问题，就是要去构建 positive此时分类器其实是不可信的。因为标签本身存在一定的不确定性，如果非常自然地去相信分类器的结果，可能依然会陷入到不太好的结果当中。
那么，接下来就是另外的内容——怎么样去做标签消岐。
也就是怎么样能够把ground-truth标签从一个候选的标签集合里面找出来。
我们在这里提出了一个基于原型的消岐策略。具体而言，给每个类标签 c来维护原型的标签，原型的 Embedding的向量。
我们其实有一个非常简单的想法，也就是说，如果样本接近对比学习的原型，那么ground-truth label很有可能是 label了，到底要怎么样逐步地来更新它？我们会让伪标签从一开始的均匀分布，从uniform开始，由prototype定义的well-code的独热向量来逐步地进行更新。
比如说，这里可以看到伪标签可能是狗狗的标签，执行度可能是0.65，cat标签的执行度可能是0.35，那么这个时候它所显示的原型是狗。
于是，我们就会让0.65的伪标签往上提一点。可以设想一下，如果说这个样本一直都指向的是这个原型，那么，它在几步迭代以后就会逐步收敛到定义文号的标签。
最后还遗留了一个问题，就是原型到底要怎么去更新。
有一种非常简单的方法，就是我们每次在一个sep里面，或者进行epoch的时候，都需要计算每个类的均值，然后是引用 Classifier的预测，但这样以来，太过费时费力。
所以我们采用了一个Momentum的更新方式，在每一步，每一个sep里面，我们会让 query embedding去一点，每一步都让它稍微改进一下这个原型，让它往这个方向来进一步。
当然这里对应 c的选择，要看分类器的一个预测了，这样的话运行时间会大大地节省。
当然，在实验的过程中我们也发现，即使对每个epoch更新一次embedding，实际上效果也不差，当然计算成本也会更高一点。
总体来说，我们会放入一张图片，然后通过数据增广来获得两个bill，还会通过classifier来选择对比学习的positive的样本，进行对比学习。对比学习得到的embedding，我们又会通过圆形的方式来逐步地更新伪标签,它又会反过来支持这个分类器的学习。
值得注意的是，这里的两大模块实际上是有一种协同的作用。
首先，我们会在后面进行理论上的推导，以证明对比学习实际上是有聚类的效果，那么它可以很大程度上来帮助标签进行消歧，这实际上也能够反哺对比学习，从而有利于更好地来建立positive set。
四、实验结果
首先是主要结果，可以看到在θ10和θ100上，我们都获得了θ的结果，并且发现在q = 0.1和0.01情况中，我们的效果跟全监督是非常接近。
我们也可视化了一下表征，可以看到，Baseline的表征可能就没有那么好辨认，像 PRODEN终究是一些簇，而且会有一些边界感不是很清楚，相比之下，PiCO的每个类别都有一个非常紧的簇，这也证明了PiCO之于对比学习，它有一个剧烈的性质。
还有 Ablation study，即消融实验，我们发现，实际上标签消岐和对比学习模块都受到了很大的影响。每消熵一个，都会造成较大的性质损失。
接下来我们会想问，为什么对比学习还有PiCO，能够提升 Partial Label Learning的效果？
五、EM视角下的PiCO
本节从对比学习还有聚类的效果说起，给出一个基于期望最大化的理论视角解读。
首先，对对比学习的损失进行一个分解，这里面我们采用了一篇sml，它是2020年一篇文章中的经典分解。在这里面，一般把a称为alignment项，把b称为uniformity项，b项实际上跟熵是有关系的，还与一些互信息是有比较大的关系，能够很大程度地保留信息，并促进表征学习。
本文其实主要是围绕 a项进行的探讨，做一个简单的、比较理想化的情况说明，每一步迭代的时候，都能获取到整个数据集和它的增广样本。有了这样的数据以后，就可以把所有的样本都可以根据分类器的输出来进行分成c的子集。
此时经过简单推导以后，发现 A lambda项实际上等价于这个目标，大家可能对此不是很熟悉，它是很经典的k means算法，并且与其目标一模一样，也就是说，对比学习里面的alignment项，它在本质上最小化了类内的一个方差。
有了预备知识后，就可以进入EM视角了。我们的目标是去最大化似然，为此还有一个小工作要做。因为其实并不知道真实的标签到底是什么，所以便引入了一个假设，它也是来自于next的一篇比较经典的文章，可以把似然进行简单地变化，有了这一步工作后，我们就可以从 EM视角来进行分析了。
首先可以定义一组辅助性分布，这也是 em算法里很常见的一个策略。们定义了这么一个π(ij),其概率是分布在候选标签集里面的。
通过 Jason不等式，可以得到不等式等号成立的条件，也就是经典Jason不等式成立的条件是π(i-yi)需要满足这么一个等式。其实会发现，它后面的概率是分类器。有了这样的知识以后，就知道了PiCO里面的 E-step就是expectation steps，这对应的是对比学习里面所构建的 positive sets过程，这就是我们的E-step。
在M-step里面，就需要最大化似然了。假设了对比学习embedding是服从地缘的M-step的分布。由此可以证明，最小化对比学习的损失函数时，特别是alighnment这一项，其实也最大化了似然函数的下界，并且通过对表征进行可视化发现，它的确是能够让上界有很好的效果。
以上是我们的总结，首先提出了PiCO协同框架，在对比学习中，首将其利用在了Partial Label Learning这个问题上，我们还得到了sota效果。
在理论上，个人觉得这篇文章有意思的地方是，我们证明了对比学习实际上是有聚类的性质，并且从这个视角出发，把PiCO解释成了一个期望最大化的算法。
相关资料列示如图，可以进行进一步的阅读。
六、科研心得和体会
第一，针对一些比较Junior的同学，有很多刚进入研究生阶段的同学，可能会把自己对科研的方向还有学习很大程度寄托在导师的身上。但实际上就你开始研究的课题而言，导师无法帮你来解决任何事情，因为你研究的课题肯定不是你导师研究过的。
所以说，一定要做好自己学习和攻坚的准备，不要太过依赖导师。当然有很多导师能够给我们大家提供很多帮助，这样肯定最好。在大多数情况下，要尽早脱离依赖别人的习惯。因此，我觉得我们要更积极地和同辈，还有一些活跃在一线的科研工作者去交流。
进入研究生阶段，其实没有必要那么害羞和内向了，应该跟同学们多交流，多去了解，看他们对这些科学问题的认知，要大胆发邮件、加微信，你能够获取到别人的经验，这是最快的途径，这是一个非常重要的问题。因为我发现，其实大部分刚进入研一，或者说刚开始科研阶段的同学，可能都存在这样的一个问题。
其次，在平时的科研中要有一个比较好的科研习惯。基础的入门肯定是必备的，不管看论文也好，还是看知乎、微信公众号也好我都会看，相对碎片化的学习方式，很难帮助你构建起很好的课题认知。
如果仅限于机器学习的话，我可能会给出这样一个科研入门的路径：首先打好机器学习的基础，然后阅读一些稍微进阶的基本学习理论，或者像贝叶斯这样的一些书籍。然后深学习像CS231这样的一些课程。
此外，一定要多看书，多看网课，其实这些资源都非常好。此外，平时大量地阅读论文，每天刷课本，这是基本的。另外，很重要的一点就是要突破舒适圈。
觉得coding不好，那就要多复现论文，数学不好，那就要多补数学，不要一直在自己的舒适圈打转，如果一直在自己的舒适圈打转的话，你肯定做不好一件事情。
因为，其实科研需要相对比较全方位地来构建自己的能力，包括沟通能力、写作能力、阅读能力、检索能力，可能都需要打好基础。
最后，可能有些同学也会比较着急，例如觉得自己的一篇文章经常被拒。实际上，我觉得大家也不用太着急，还是要等待机会，不是说一两篇文章就能评判一个人的能力大小。这些PPT本来是在写这篇文章时候的科研心得，但实际上我可以很负责任地告诉大家，它也是灵光一闪的一个idea。
这篇文章能够做出来，一定也是有我一直以来的一些积累，但是总的来说，我们还是要有耐心来积极地去做好工作。
