BERT在NLP界无往不利，大大提高了自然语言模型的性能，那么，在计算机视觉领域，有没有可能一个CNN打天下？
现在，谷歌大脑给出了一个答案——开源CV预训练新范式BiT。
BiT（Big Transfer），简而言之，是一个可以作为任意视觉任务起点的预训练ResNet。
在这项研究中，谷歌大脑证明：用大量通用数据进行预训练的情况下，简单的迁移策略就能让CV模型在下游任务上获得良好的性能。
研究人员希望，BiT能取代现在常用的ImageNet预训练模型，推动计算机视觉研究的发展。
甚至有网友这样评价：BiT是CV界的BERT。
预训练的ResNet
所以BiT具体是怎么一回事呢？
首先，要说到研究人员的3个新发现。
其一，是数据集大小和模型容量之间的关系。
研究人员利用经典的ResNet架构，在ILSVRC-2012（1.28M）、ImageNet-21K（14M）和JFT（300M）这三个数据集上，分别训练了从标准的50层R50x1，到4倍宽、152层深的R152x4等几个变体。
观察结果显示，想要在更大的数据集上获得更好的预训练效果，就需要增加模型容量。
另外，在较大的数据集上进行预训练，不一定会提高性能。但是，通过增加计算预算和训练时间，性能能得到明显的改善。
第二个发现更加重要：训练时间的长短至关重要。
如果在不调整计算预算的情况下，在一个较大的数据集上进行预训练，训练时间越长，性能反而可能变差。
而针对新的数据集调整训练时间，改进效果会非常显著。
另外，研究人员还发现，用组归一化（GN）取代批归一化（BN），对大规模预训练而言是有益的。
首先，BN的状态，包括神经激活的均值和方差，需要在预训练和迁移之间进行调整，而GN是无状态的，从而绕开了这个问题。
其次，BN使用的是批处理级统计，当大模型不可避免地出现小每设备（per-device）批处理量时，BN就会变得不可靠。GN同样回避了这个问题。
所以，研究人员们提出了这样的预训练策略：采用标准ResNet，增加深度和宽度，用GNWS替换BN，并在大型通用数据集上进行更多迭代。
迁移学习
接下来，就是针对下游任务微调预训练BiT模型。
研究人员介绍，BiT只需要预训练一次，此后在针对下游任务进行微调时，成本很低。
微调涉及到很多超参数，比如学习率、权重衰减等。
对此，研究人员提出了BiT-HyperRule方法。该方法仅基于高级数据集特征，如图像分辨率和标注样本数量等。也就是说，BiT并不会对每个下游任务都进行超参数调整。这能有效地降低任务适应成本。
并且，对BiT模型进行预训练后，即使下游任务只有少量标注样本，模型一样表现良好。
研究人员还观察到，在这种情况下，增加用于预训练的通用数据量和架构容量，所产生的模型适应新数据的能力也将大幅提高。
实验结果
为了验证BiT的表现是否具有普遍性，研究人员在VTAB-1k上进行了实验。
VTAB-1k是由19个不同任务组成的任务套件，每个任务只有1000个标注样本。
BiT-L模型（在JFT-300M上进行预训练）迁移到这些任务上后，获得了76.3%的总得分，比此前的SOTA方法提高了5.8%。
另外，BiT-L在标准CV基准Oxford Pets、Flowers、CIFAR上的结果也表明，这种大规模预训练 + 简单迁移的策略在数据量适中的情况下也是有效的。
为了进一步评估BiT的鲁棒性，研究人员还在基于真实照片的ObjectNet数据集上对模型进行验证。
BiT-L模型的top-5精度刷新记录，达到80%，比此前的SOTA方法提高将近25%。
关于作者
这篇论文有三位共同一作。
Alexander Kolesnikov，谷歌大脑研究软件工程师，于2018年在奥地利科技学院获机器学习与计算机视觉博士学位。
Lucas Beyer ，谷歌大脑研究工程师，2018年博士毕业于德国亚琛工业大学。
翟晓华，谷歌大脑高级研究工程师，博士毕业于北京大学。研究方向是表征学习、自监督学习、GAN等。
传送门
谷歌博客：
https://ai.googleblog.com/2020/05/open-sourcing-bit-exploring-large-scale.html
论文地址：
https://arxiv.org/abs/1912.11370
— 完 —
“
