type
status
date
slug
summary
tags
category
icon
password
Last edited time
Aug 7, 2024 01:15 PM
😀
DINO通过自蒸馏和对比学习,实现无监督高效图像表示,特征在迁移学习和图像检索中表现优异
notion image
通过以上可视化结果不难看出,相比于监督学习,DINO 的潜在空间也具有很好的分离类别,这意味着它的特征足够丰富,可以分离物体中的微小差异,这使得它非常适合下游任务和迁移学习

📝 主旨内容

模型架构

notion image
notion image

视图生成

视图生成是DINO方法中的一个关键步骤,通过生成不同的视图来增加数据的多样性和模型的鲁棒性。具体来说,视图生成包括以下几个方面:
  1. 数据增强(Data Augmentation)
      • 裁剪(Cropping):从原始图像中随机裁剪出不同大小和比例的图像区域。
      • 翻转(Flipping):随机水平或垂直翻转图像。
      • 颜色抖动(Color Jittering):随机改变图像的亮度、对比度、饱和度和色调。
      • 模糊(Blurring):应用高斯模糊等技术模糊图像。
      • 灰度转换(Grayscale Conversion):随机将图像转换为灰度图。
  1. 多尺度视图(Multi-Scale Views)
      • 生成不同尺度的图像视图(如大尺度视图和小尺度视图),以捕捉图像中的多层次信息。
这些视图被分别输入到学生模型和教师模型中,用于对比学习和特征提取。

EMA(指数移动平均)的实现

EMA(Exponential Moving Average)在DINO中用于更新教师模型的参数,以确保其稳定性。具体步骤如下:
  1. 初始化:教师模型的初始参数与学生模型的初始参数相同。
  1. 更新规则:在每次训练步骤中,教师模型的参数 θ_t 通过学生模型的参数 θ_s 的指数移动平均进行更新: 其中, 是一个平滑系数(0 < < 1),通常设置为接近于1(如0.99),以保证更新过程的平滑性。

教师模型指导学生模型的原因

  1. 稳定性:由于教师模型参数通过EMA进行更新,其变化较为平稳,能够提供稳定的目标特征表示。
  1. 目标特征一致性:通过EMA更新的教师模型,能够在不同训练步骤中提供一致的目标特征表示,学生模型通过学习这些稳定的特征表示,可以逐步优化自身。
  1. 增强学习效果:学生模型通过对比学习,学习到的特征表示不断与教师模型提供的目标特征进行比较和调整,这个过程有效地增强了学生模型的学习效果。

DINO模型得出的特征的实际意义

  1. 无监督特征表示学习:DINO在没有标注数据的情况下,通过自监督学习方法获取高质量的图像特征表示,这对大规模无监督数据集的应用具有重要意义。
  1. 迁移学习:DINO训练得到的特征表示可以用于迁移学习,将预训练的特征应用到下游任务(如图像分类、目标检测等),提升这些任务的性能。
  1. 图像检索:DINO生成的特征表示在图像检索任务中表现优异,可以用于高效的图像相似度计算和检索。
  1. 增强数据多样性:通过多视图生成和对比学习,DINO模型能够学习到更加丰富和鲁棒的图像特征,这对处理复杂和多样化的数据具有重要价值。
不同架构DINO的结果
不同架构DINO的结果

Prompt, Generate, then Cache: Cascade of Foundation Models makes Strong Few-shot Learners(CVPR2023)

GPT3生成文本描述,Dalle扩充图片,零样本CLIP,少样本CLIP,DINO联合预测
GPT3生成文本描述,Dalle扩充图片,零样本CLIP,少样本CLIP,DINO联合预测

在Thu-dog数据集中Clip和Dino的特征可视化结果

CLIP
CLIP
notion image
Dino
Dino
notion image
notion image
 
notion image
notion image

在异常检测上用作视觉编码器

Multimodal Industrial Anomaly Detection via Hybrid Fusion(CVPR2023)

notion image

Multimodal Industrial Anomaly Detection by Crossmodal Feature Mapping(CVPR2024)

notion image

Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection(ECCV2024)

notion image

🤗 总结归纳

 

📎 参考文章

(A榜)第四届计图人工智能挑战赛——少样本视觉分类问题draw.io绘图显示Latex公式
Loading...