全球最大的图像识别数据库ImageNet不行了？谷歌DeepMind新方法提升精度

Posted 2021-04-07 新智元

---

  新智元原创  

编辑：元子

【新智元导读】来自苏黎世谷歌大脑和DeepMind London的研究人员认为，世界上最受欢迎的图像数据库之一ImageNet需要改造。ImageNet是一个无与伦比的计算机视觉数据集，拥有超过1400万张标记图像。它是为对象识别研究而设计的，并按照WordNet的层次结构进行组织。层次结构的每个节点都由成百上千的图像描述，目前每个节点平均有超过500个图像。

将时间倒回15年前，2005年，还是一个被算法统治的年代。

 

刚刚拿到加州理工电子工程学博士学位，到伊利诺伊州香槟分校担任教职的李飞飞敏锐的发现了「算法为王」的局限性，开始研究算法的基石：数据集。

 

此后，全世界最大的图像识别数据集「ImageNet」诞生。

 

ImageNet的出现，伴随着一个非常宏大的野心。完整版ImageNet拥有超过1400多万幅图片，涉及2万多个类别标注，超百万边界标注。

 

2010年到2017年期间，围绕ImageNet共举办了8届 Large Scale Visual Recognition Challenge，包括图像分类，目标检测，目标定位单元。

        

2017年，挑战赛完结。 八年来，参赛选手将算法正确识别率从71.8%提升到97.3%，这样的精度甚至已经将我们人类自己都远远的甩在后面。 同时，也证明了数据集越大、效果越好。

 

近十年来，ImageNet一直是人工感知研究的核心测试平台，它的规模和难度凸显了机器学习领域的里程碑式成就。

 

但Google和DeepMind的科学家却认为，已有的ImageNet有些落伍了。他们发现，原始的ImageNet标签不再是新标注的最佳预测者，已经被最近的高绩效模型系统性地超越了。

ImageNet标签出了哪些问题？

 

每幅图像只有单一标签

 

现实世界中的图像通常包含很多标签，但是ImageNet对每幅图像只分配了一个标签，这就导致图像内容的严重表达不足。比如下图第一行，每幅图只标记了一个物体，图中很多物体都被遗漏了。

   

 

标签建议限制性过强

 

ImageNet注释流程是在互联网上查询制定类的图像，然后询问人工评审员该类是否确实存在于当前图像中。

 

虽然这个过程会产生合理的图像描述，但也会导致不准确的情况。当单独考虑时，一个特定的标签建议，看起来可能是对图像的合理描述；然而当与其他ImageNet类一起考虑时，这种描述马上就显得不那么合适了。

 

比如上图中间一行第二个更准确的标注应该是「水瓶」，然而从单张图片来看，你说它是水桶也说得过去。最后一个其实是「校车」，但校车上的人，不论是学生还是老师，也都是passenger呀。

 

分类时的消歧义

 

例如最下一行中间，laptop的分类虽然是没错，但却忽略了notebook、Computor也同样可以指代同一个对象。如果我们能够将这些标签都用上，显然可以更精准的描述一个物体。

 

新方法如何改进ImageNet的缺陷

 

知道了症结所在，接下来就对症下药了。

 

考虑到孤立地分配一个标签所产生的偏差，Google和DeepMind的研究团队设计了一个标签程序，它能捕获ImageNet数据集中内容的多样性和多重性。

 

并寻求一种范式，允许人类注释者同时评估一组不同的候选标签，又能保持proposal的数量足够小，以实现稳健的注释。

 

             

 

在模型子集上进行穷尽式搜索，以找到一组能达到最高精度，同时保持97%以上的召回率的模型子集。

 

在此基础上，科学家找到了一个6个模型的子集，它生成的标签proposal具有97.1%的召回率和28.3%的精度，将每个图像的平均proposal标签数从13个降低到7.4个。从这个子集中，使用上述相同的规则，为整个验证集生成proposal标签。

 

在获得了整个验证集的新的候选标签集后，首先评估哪些图像需要由人工进行评估。 在所有模型都与原始ImageNet标签一致的情况下，就可以安全地保留原始标签而不需要人工重新评估，这样就将需要标注的图像数量就从50000张减少到24889张。

 

进一步根据WordNet的层次结构，将超过8个标签建议的图像分成多个标签任务。这就导致了37988个标签任务。

 

使用众包平台，将每个任务分配给5个独立的真人工标注者执行。

 

实验效果

 

下图是在ImageNet上，由Google和DeepMind科学家提出的sigmoid loss和clean label set的Top-1精度（百分比）。

    

可以看出，无论是sigmoid loss还是clean label set都比Benchmark优秀，而同时使用这两种方法获得了最好的性能。 新方法在较长的训练计划下，其改进更为明显。

 

但是在存在噪声数据的情况下，较长的训练计划可能是有害的，科学加期望清洗 ImageNet 训练集（或使用 sigmoid 损失）能在这种情况下产生额外的好处。

 

在后续的实验中，科学家发现ReaL标签可以更正超过一半的ImageNet标签错误，这意味着ReaL标签提供了对模型准确性的更优越估计。

论文地址：

https://arxiv.org/pdf/2006.07159.pdf