少样本学习之CAML算法-EW帮帮网

微信交流群：https://732903.hlcode.cn/?id=NK1fWUR

上下文感知元学习（Context-Aware Meta-Learning, CAML）

概述

在机器学习和深度学习领域，元学习（Meta-Learning）旨在通过学习如何学习，使模型能够在面对新任务时快速适应。传统的元学习方法通常需要在特定任务上进行微调，这不仅耗时，而且可能需要大量的计算资源。为了解决这一问题，斯坦福大学的研究团队提出了一种名为**上下文感知元学习（Context-Aware Meta-Learning, CAML）**的新算法。CAML通过在推理过程中学习新的视觉概念，而无需进行微调，模拟了大型语言模型（如ChatGPT）在推理过程中学习新概念的能力。
CAML算法的论文链接
 本人空间-论文英文版pdf下载

背景与动机

元学习的挑战

传统的元学习方法通常依赖于在特定任务上进行微调，这不仅耗时，而且可能需要大量的计算资源。此外，这些方法在面对新任务时，往往表现不佳，尤其是在少样本学习（Few-Shot Learning）场景中。

大型语言模型的启发

近年来，大型语言模型（如ChatGPT）展示了在推理过程中学习新概念的出色能力。这些模型能够在无需微调的情况下，通过上下文学习新的概念。然而，类似的视觉模型在推理过程中学习新概念的能力却相对较弱，要么表现不佳，要么需要在类似对象上进行元训练或微调。

CAML的动机

CAML的提出旨在模拟大型语言模型的行为，通过在推理过程中学习新的视觉概念，而无需进行微调。这种方法不仅提高了模型的适应性，还减少了计算资源的消耗。
在这里插入图片描述

方法

序列建模

CAML将元学习任务建模为一个序列建模问题。输入序列由支持集图像和标签以及查询图像组成。支持集图像和标签用于提供上下文信息，而查询图像则是需要预测标签的图像。

Transformer编码器

CAML使用了一个基于Transformer编码器的序列模型。Transformer编码器被训练来从输入序列中提取特征，并预测查询图像的标签。Transformer的结构使其能够处理长距离依赖关系，从而更好地捕捉上下文信息。

等长最大角度集（ELMES）编码

支持集标签使用等长最大角度集（Equal-Length Maximum Angle Set, ELMES）编码进行编码。ELMES编码通过最小化检测支持集内类的熵，提高了模型的性能。实验结果表明，ELMES编码是最优的。

预训练的CLIP模型

CAML利用预训练的CLIP模型作为固定的特征提取器。CLIP模型在大规模图像和文本数据上进行了预训练，能够提取出丰富的视觉特征。CAML仅训练Transformer编码器的参数，而保持CLIP模型的参数不变。

# 使用timm中的预训练CLIP编码器，进行图像统一编码。
timm_feature_model_name, dim = "vit_base_patch16_clip_224.openai", 768
timm_feature_model_path = os.path.join(str(project_root()), "timm/vit_base_patch16_clip_224.openai/open_clip_pytorch_model.bin")

feature_extractor = timm.create_model(timm_feature_model_name,
                                                   pretrained=True,
                                                   pretrained_cfg_overlay=dict(file=timm_feature_model_path),
                                                   img_size=224,
                                                   num_classes=0).eval()

实验与结果

数据集

CAML在多个数据集上进行了实验，包括ImageNet、COCO等。这些数据集涵盖了不同的视觉任务，如分类、检测等。

基准测试

CAML在11个元学习基准测试中进行了评估。实验结果表明，在不进行任何元训练或微调的情况下，CAML在8个基准测试中匹配或超过了最先进的元学习方法。

性能分析

分析表明，CAML的表示会根据查询图像而改变，这使其能针对每个任务适当地选择支持集。经验结果也表明，ELMES编码是最优的。

优势

无需微调

CAML的最大优势在于无需进行微调。传统的元学习方法通常需要在特定任务上进行微调，这不仅耗时，而且可能需要大量的计算资源。CAML通过在推理过程中学习新的视觉概念，避免了这一问题。

  def meta_infer(self, inp, support_labels, query_tensor):
    """For evaluating typical Meta-Learning Datasets."""
    # 提取特征向量（假设 inp 是 support set）
    support_features = self.get_feature_vector(inp)  # 划分 support set
    query_features = self.get_feature_vector(query_tensor)  # 划分query set

    # # 拼接两个特征，变成上下文。
    support = support_features.unsqueeze(0)
    query = query_features.unsqueeze(0)
    feature_sequences = torch.cat([query, support], dim=1)  

    # 输入上下文， 使用 Transformer 编码器进行推理
    logits = self.transformer_encoder.forward_imagenet_v2(feature_sequences, support_labels, way=None, shot=None)

    # 添加 softmax 操作，输出概率分布
    probabilities = torch.softmax(logits, dim=1)
    _, max_index = torch.max(logits, 1)

    # 返回概率分布和预测结果
    return max_index, probabilities

高性能

在11个元学习基准测试中，CAML在8个测试中超过或与现有的元学习算法表现相当。这些算法都是在这些基准测试中进行了元训练的。

模拟大型语言模型的行为

CAML通过在推理过程中学习新的视觉概念，模拟了大型语言模型的行为。这不仅提高了模型的适应性，还减少了计算资源的消耗。

结论

CAML提出了一种无需微调的元学习算法，通过在推理过程中学习新的视觉概念，模拟了大型语言模型的行为，并在多个基准测试中取得了与现有算法相当的性能。CAML的成功不仅展示了元学习在视觉任务中的潜力，还为未来的研究提供了新的方向。

代码

关注本人博客，后续将基于作者的算法进行代码开发与实验讲解。

少样本学习之CAML算法