Triplet Loss 和 Center Loss详解和pytorch实现

超、凢脫俗 2021-11-09 14:08 560阅读 0赞

最近在学习ReID相关的算法，为了提高ReID的性能通常会采用softmax loss 联合 Triplet Loss和Center Loss来提高算法的性能。

本文对Triplet Loss和Cnetr Loss做一个总结，以简洁的方式帮助理解。

**Triplet Loss和Center Loss都是从人脸识别领域里面提出来的，后面在各种图像检索任务中被广泛应用。**

想要了解Triplet Loss和Center Loss算法原文的可以查看我之前的博客，对论文做了详细翻译。

《[FaceNe： Triplet Loss][FaceNe_ Triplet Loss]》 《[Center Loss][]》

# 1，Triplet Loss #

![2019080115443418.png][]

如上图所示，Triplet Loss 是有一个**三元组<a, p, n>**构成，其中

**a: anchor** 表示训练样本。

**p: positive** 表示预测为正样本。

**n: negative** 表示预测为负样本。

**triplet loss的作用：**用于**减少positive（正样本）与anchor之间的距离，扩大negative（负样本）与anchor之间的距离**。基于上述三元组，可以构建一个**positive pair <a, p>**和一个**negative pair <a, n>**。triplet loss的目的是在一定距离（margin）上把positive pair和negative pair分开。

所以我们希望：D(a, p) < D(a, n)。进一步希望在一定距离上（margin） 满足这个情况：D(a, p) + margin < D(a, n)

对于一个样本经过网络有：

![20190801155740836.png][]

对于训练时有这么几种情况：

**（a）easy triplets：**loss = 0，**D(a, p) + margin < D(a, n)**，positive pair 的距离远远小于于negative pair的距离。即，类内距离很小，类间很大距离，这种情况不需要优化。

**（b）hard triplets**：**D(a, n) < D(a, p)** ，positive pair 的距离大于于negative pair的距离，即类内距离大于类间距离。这种情况比较难优化。

**（c）semi-hard triplets**：**D(a, p) < D(a, n) < D(a, p) + margin**。positive pair的距离和negative pair的距离比较高近。即，<a, p>和<a, n>很近，但都在一个margin内。比较容易优化。

当为 semi-hard triplets 时， D(a, p) + margin - D(a, n) > 0产生loss。得到要优化的损失函数。

![20190801161443651.png][]

对于Triplet Loss的梯度：

![20150707124617151][]

训练的时候：**早期为了网络loss平稳，一般选择easy triplets进行优化，后期为了优化训练关键是要选择hard triplets**，他们是活跃的，因此可以帮助改进模型。

pytorch源码实现：

class TripletLoss(nn.Module):
        """Triplet loss with hard positive/negative mining.
        
        Reference:
            Hermans et al. In Defense of the Triplet Loss for Person Re-Identification. arXiv:1703.07737.
        
        Imported from `<https://github.com/Cysu/open-reid/blob/master/reid/loss/triplet.py>`_.
        
        Args:
            margin (float, optional): margin for triplet. Default is 0.3.
        """
        
        def __init__(self, margin=0.3,global_feat, labels):
            super(TripletLoss, self).__init__()
            self.margin = margin
            self.ranking_loss = nn.MarginRankingLoss(margin=margin)
    
        def forward(self, inputs, targets):
            """
            Args:
                inputs (torch.Tensor): feature matrix with shape (batch_size, feat_dim).
                targets (torch.LongTensor): ground truth labels with shape (num_classes).
            """
            n = inputs.size(0)
            
            # Compute pairwise distance, replace by the official when merged
            dist = torch.pow(inputs, 2).sum(dim=1, keepdim=True).expand(n, n)
            dist = dist + dist.t()
            dist.addmm_(1, -2, inputs, inputs.t())
            dist = dist.clamp(min=1e-12).sqrt()  # for numerical stability
            
            # For each anchor, find the hardest positive and negative
            mask = targets.expand(n, n).eq(targets.expand(n, n).t())
            dist_ap, dist_an = [], []
            for i in range(n):
                dist_ap.append(dist[i][mask[i]].max().unsqueeze(0))
                dist_an.append(dist[i][mask[i] == 0].min().unsqueeze(0))
            dist_ap = torch.cat(dist_ap)
            dist_an = torch.cat(dist_an)
            
            # Compute ranking hinge loss
            y = torch.ones_like(dist_an)
            return self.ranking_loss(dist_an, dist_ap, y)

训练的时候对每一个样本**选择hardest triplet** 进行训练。

# 2，Center Loss #

center loss是在triplet之后提出来的。**triplet学习的是样本间的相对距离，没有学习绝对距离，尽管考虑了类间的离散性，但没有考虑类内的紧凑性。**对于triplet loss举一个例子。设margin = 0.3，D(a, p) = 0.3 , D(a, n) = 0.5 怎triplet loss = 0.1。而当D(a, p) = 1.3 D(a, n) = 1.5时，triplet loss仍然等于0.1，这相当于，内类之间不够紧凑（距离还不够小）。

**所以Center Loss希望可以通过学习每个类的类中心，使得类内的距离变得更加紧凑。**

![20190801163531811.png][]

![201907231646264.png][]表示深度特征的第 ![20190723164651485.png][] 类中心。理想情况下，![20190723164731266.png][] 应该随着深度特性的变化而更新。

训练时：**第一是基于mini-batch执行更新**。在每次迭代中，计算中心的方法是平均相应类的特征(一些中心可能不会更新)。**第二**，避免大扰动引起的误标记样本，**用一个标量 α 控制中心的学习速率，一般这个α 很小（如，0.005）**。

计算 ![20190723165140126.png][] 相对于 ![20190723165151248.png][] 的梯度和![2019072316523017.png][]的更新方程为

![20190723165125711.png][]

pytorch源码实现：

class CenterLoss(nn.Module):
        """Center loss.
    
        Reference:
        Wen et al. A Discriminative Feature Learning Approach for Deep Face Recognition. ECCV 2016.
    
        Args:
            num_classes (int): number of classes.
            feat_dim (int): feature dimension.
        """
    
        def __init__(self, num_classes=751, feat_dim=2048, use_gpu=True):
            super(CenterLoss, self).__init__()
            self.num_classes = num_classes
            self.feat_dim = feat_dim
            self.use_gpu = use_gpu
    
            if self.use_gpu:
                self.centers = nn.Parameter(torch.randn(self.num_classes, self.feat_dim).cuda())
            else:
                self.centers = nn.Parameter(torch.randn(self.num_classes, self.feat_dim))
    
        def forward(self, x, labels):
            """
            Args:
                x: feature matrix with shape (batch_size, feat_dim).
                labels: ground truth labels with shape (num_classes).
            """
            assert x.size(0) == labels.size(0), "features.size(0) is not equal to labels.size(0)"
    
            batch_size = x.size(0)
            distmat = torch.pow(x, 2).sum(dim=1, keepdim=True).expand(batch_size, self.num_classes) + \
                      torch.pow(self.centers, 2).sum(dim=1, keepdim=True).expand(self.num_classes, batch_size).t()
            distmat.addmm_(1, -2, x, self.centers.t())
    
            classes = torch.arange(self.num_classes).long()
            if self.use_gpu: classes = classes.cuda()
            labels = labels.unsqueeze(1).expand(batch_size, self.num_classes)
            mask = labels.eq(classes.expand(batch_size, self.num_classes))
            print(mask)
    
            dist = []
            for i in range(batch_size):
                print(mask[i])
                value = distmat[i][mask[i]]
                value = value.clamp(min=1e-12, max=1e+12)  # for numerical stability
                dist.append(value)
            dist = torch.cat(dist)
            loss = dist.mean()
            return loss

实际场景，**可以利用triplet loss和center loss联合训练优化模型**。详细操作可以参我之前阅读的ReID论文中的方法。

[https://blog.csdn.net/weixin\_40671425/article/details/93885584][https_blog.csdn.net_weixin_40671425_article_details_93885584]

[FaceNe_ Triplet Loss]: https://blog.csdn.net/weixin_40671425/article/details/94988510
[Center Loss]: https://blog.csdn.net/weixin_40671425/article/details/97005376
[2019080115443418.png]: /images/20211109/226257c5612a4fe7b189f72651c0fba4.png
[20190801155740836.png]: /images/20211109/c30de0dbac104825bb5338943d473933.png
[20190801161443651.png]: /images/20211109/952c55f119cb4de797cd1f7ef49981ba.png
[20150707124617151]: /images/20211109/a83b28e1988c477b84a708ee87f07f80.png
[20190801163531811.png]: /images/20211109/5c8b5c81612c4e94b478d1c50fea9d64.png
[201907231646264.png]: https://img-blog.csdnimg.cn/201907231646264.png
[20190723164651485.png]: https://img-blog.csdnimg.cn/20190723164651485.png
[20190723164731266.png]: /images/20211109/d1dc0634f0ba4bf78d51709b43a2c934.png
[20190723165140126.png]: https://img-blog.csdnimg.cn/20190723165140126.png
[20190723165151248.png]: https://img-blog.csdnimg.cn/20190723165151248.png
[2019072316523017.png]: /images/20211109/1c91b1c5467c495fbbfd69b8589c5587.png
[20190723165125711.png]: /images/20211109/11891f5884ab4fa58b591e443ec86cc8.png
[https_blog.csdn.net_weixin_40671425_article_details_93885584]: https://blog.csdn.net/weixin_40671425/article/details/93885584