<center>作者：郭必扬</center>
<center>时间：2020.12.30</center>
前言：今天继续分享一篇很有意思的文章，来自2019年ICML的“Unsupervised Label Noise Modeling and Loss Correction”，本文发现了一个“大家都知道但又不太确定”的现象——noisy样本的loss一般比较大，通过实验证实了这一点，并利用这个特点来定位noise从而排除这些noise的影响，来提高模型的性能。可以说是挺有趣了！
- 论文标题：Unsupervised Label Noise Modeling and Loss Correction
- 会议/期刊：ICML-19
- 团队：Dublin City University (DCU)
一、本文的主要思想、贡献
- 首先发现并证实了，神经网络在学习“随机的标签”或“错误的标签”（都可以称为噪音样本）的时候，会比学习“正确的标签”要慢，由此发现噪音样本在训练时的loss更大；
- 通过对样本的loss distribution进行观察，作者发现可以使用一个Beta分布来刻画正常样本和噪音样本，从而将二者区分；
- 由此，作者设计了一种复合的模型，在训练的期间，可以通过一种无监督的方式来实时辨别噪声并去除，从而提高模型效果。
下面稍微详细地介绍一下：
二、关于Training with noise的一些研究背景
当训练样本中混有噪音，就很容易让模型过拟合，学习到错误的信息，因此必须加以干涉，来控制噪音带来的影响。这方面的研究，主要集中于“损失修正”方法，即loss correction。典型的方法有这些：
1. Bootstrapping loss（☆）
这是我非常喜欢的一个loss function，十分的简洁，又有道理，让人一见钟情。公式如下：
上面的公式，实际上是指"hard bootstrapping loss"。这里的yi就是真实的标签（一般是one-hot形式的），zi则是预测的标签（也是转化成one-hot形式的，因此叫hard），然后hi就是预测的概率分布。
这个loss实际上就是对cross-entropy loss的一个修正，把真实标签改了改，分了一部分到预测出来的那个维度上。
这样做的效果是什么？首先我们得有一个概念：
如果一个样本的损失很小，模型就不会在这个样本上面花太多功夫去拟合它；相反，损失很大，模型就会花大力气去拟合它。
那么，对一个噪音点，其相比于正常点，计算出来的loss一般都会更大一些（label跟实际的相差较远），因此模型会花大力气去拟合这些噪音点，因此传统的cross-entropy loss是鼓励模型学习到错误信息的。而bootstrapping loss，把模型自己的预测，加入到真实标签中，这样就会直接降低这些噪音点的loss（极端一点，如果真实标签就是模型的预测，那loss就趋于0），因此模型会降低对噪音点的注意力；对于正常的样本，zi带来的影响相对会较小（zi更容易跟yi一致），因此正常样本还是可以得到有效的训练。
是不是真·有、意思？
这个B-loss来自2015ICLR，目前引用量高达467次了。。。好东西大家都喜欢啊。
2. Curriculum learning
Curriculum learning这名字一听就很有意思，“课程学习”往往是由浅入深、先易后难的，这个curriculum learning也是这个思想，最早由Bengio在09年的时候提出，思想就是：
“把训练样本按照一个有意义的顺序（比如先易后难）排列，有助于加快模型的迭代和泛化性能。”
因此有学者使用这样的思想，把clean样本视为简单的，noisy样本视为困难的，来让模型学习。具体的方法还是通过改变clean和noisy样本的loss权重来实现这个目的。
3. Mixed data augmentation
这个方法也比较有新意，通过一种数据增强的方法，来减少noise带来的影响：
具体则是将clean和noisy的样本和标签进行结合，得到新样本和新标签。
简单的理解为将两个不同的样本做了一个平均，平均肯定更加稳定嘛！
4.其他：
其他的我就没细看了，比如使用一个noise transition matrix来调整loss或者预测概率等等。
三、本文提出的方法：
本文提出的方法思路也十分清晰：
- 第一步：通过cross-entropy得到的loss分布来判断样本是noisy还是clean的概率
- 第二步：使用这个概率来动态地调整loss function，使用该loss来训练
第一步：Label noise modeling
作者通过实验发现noise和clean在loss上的分布是十分不同的，下图是作者的一个实验结果图：
图中展示的是训练了10轮之后的各个样本的cross-entropy loss，可以看出clean和noisy（注意这里是作者为了展示二者的不同而特意标的，实际训练时我们不知道谁是clean谁是noisy）的loss分布呈现出一个双峰分布，这样的分布可以使用混合概率模型来模拟，比如高斯混合模型（GMM），但实际上作者发现用贝塔混合模型（BMM）模拟更好（因为形状更像）。
通过EM算法，可以迭代求解出这个BMM分布的参数，从而根据loss的值计算出属于clean还是noisy的概率。
第二步：Noise model for label correction
能够判别一个样本是clean还是noisy，就可以去改进前面提到一些方法了，比如Boostrapping loss方法。
前面提到B-loss的主要思想，就是针对对noise样本来对loss进行修正。但是B-loss中的工事中的权重wi是一个超参数，也就是在训练的时候是固定的，这使得clean样本总是会受到一些不好的影响（wi越大，影响越大），而noisy样本往往又调整的不够（wi越小，效果越少），因此这个就十分不灵活了。
现在，我们知道了一个样本是clean还是noisy的概率，那么就有机会动态地调整wi了，即，吧原来的B-loss，改成：
是不是很简洁？总的来说，本文提出的训练方式就是
还是在原来的使用CE-loss的训练模式下，每个epoch训练完之后，去使用EM算法把当前这个混合贝塔分布BMM给模拟出来，然后计算新的loss——D-loss，使用这个D-loss来更新参数。注意每一轮都是使用CE-loss来学习BMM，然后使用D-loss更新。
其实论文中还提到了一个更加复杂的方法，就是对前面提到的mixup data augmentation的改进，但我感觉普适性不够强，所以这里不再介绍了。
通过作者改造后的loss function，我们可以跟原来的CE-loss做一个对比：
实验的部分，没什么特别的，这里也不多嘴了。
好了，本篇论文解读就到这里了，最让人影响深刻的，应该就是这个Boostrapping Loss和使用BMM来模拟clean/noisy的loss分布的想法了。
