作者提出动量对比度（MoCo）用于无监督的视觉表示学习。从作为字典查找的对比学习[29]的角度来看，作者构建了一个带有队列和移动平均编码器的动态字典。这样就可以动态地构建大型且一致的词典，从而促进对比性的无监督学习。MoCo在ImageNet分类的通用线性协议下提供了竞争性的结果。更重要的是，MoCo学习到的表示将转移到下游任务。 MoCo可以胜过在PASCAL VOC，COCO和其他数据集上进行监督的预训练对等任务中的7个检测/细分任务，有时会大大超过它。这表明，在许多视觉任务中，无监督和有监督的表征学习之间的鸿沟已被缩小。

MoCo模型原理与早些年Google的FaceNet(用作人脸比对的模型非常相似)，训练学习过程中，尽量让当前图片与其他图片的特征距离拉大。

网络结构如图：

python 无监督模型 文件分类 tensorflow无监督分类_Facebook MoCo

实际上模型分为encoder与momentum encoder两部分，与end to end和memory bank模型不同，MoCo在训练过程中，梯度反向传播只更新encoder，momentum encoder实际上是encoder经过ExponentialMovingAverage操作时的shadow。如图：

python 无监督模型 文件分类 tensorflow无监督分类_图像无监督学习_02

ExponentialMovingAverage，这种更新方式，按比例m更新历史权重，通常m是一个接近1的小数，论文里取0.9999计算公式：

python 无监督模型 文件分类 tensorflow无监督分类_人工智能_03

Loss计算公式：

python 无监督模型 文件分类 tensorflow无监督分类_python 无监督模型 文件分类_04

整个训练流程伪代码如下：

python 无监督模型 文件分类 tensorflow无监督分类_tensorflow 2.0_05

 训练流程：

  1. 将图片经过两次不同的图片增强，分别传入f_q(encoder)与f_k(momentum encoder)，分别得到q与k结果。
  2. 计算l_pos(同图片，正向比对loss)，l_neg(不同图片特征队列queue，反向比对loss)。合起来经过交叉熵计算出总的loss，按batch求平均。
  3. 梯度更新f_q，将梯度更新后的f_q按ExponentialMovingAverage方式更新到f_k。
  4. 将k加入队列，同时把队列末尾值出列。

encoder可以是任何结构的模型，可以是ResNet、Efficientnet等。最后学习到的图片特征，用于图片分类、目标检测等任务，可提高模型效率。

Tensorflow 2.0实现源码：https://github.com/tfwcn/tensorflow2-machine-vision/tree/master/AIServer/ai_api/ai_models/momentum_contrast

欢迎关注，你的关注是我创作的动力，谢谢

参考资料

论文：https://arxiv.org/abs/1911.05722

V2论文：https://arxiv.org/abs/2003.04297

Pytorch源码：https://github.com/facebookresearch/moco/tree/master