Enthüllung der Verzerrung der Rückgrat-Optimierer-Kopplung in der visuellen Repräsentationslernen

Unveiling the Backbone-Optimizer Coupling Bias in Visual Representation Learning

October 8, 2024

Autoren: Siyuan Li, Juanxi Tian, Zedong Wang, Luyuan Zhang, Zicheng Liu, Weiyang Jin, Yang Liu, Baigui Sun, Stan Z. Li

cs.AI

Zusammenfassung

Dieses Papier untersucht das Zusammenspiel zwischen Vision-Backbones und Optimierern und enthüllt ein wechselseitiges Phänomen namens \textbf{Backbone-Optimizer-Kopplungsbias} (BOCB). Wir beobachten, dass klassische CNNs wie VGG und ResNet eine deutliche Wechselbeziehung mit SGD-Familien aufweisen, während neuere Architekturen wie ViTs und ConvNeXt eine enge Kopplung mit adaptiven Lernraten aufweisen. Wir zeigen weiterhin, dass BOCB sowohl von Optimierern als auch von bestimmten Backbone-Designs eingeführt werden kann und sich signifikant auf das Pre-Training und das nachgelagerte Feintuning von Vision-Modellen auswirken kann. Durch eingehende empirische Analysen fassen wir Erkenntnisse zu empfohlenen Optimierern und Einblicke in robuste Vision-Backbone-Architekturen zusammen. Wir hoffen, dass diese Arbeit die Gemeinschaft dazu inspirieren kann, langjährige Annahmen über Backbones und Optimierer zu hinterfragen, weitere Erkundungen anzuregen und so zu robusteren Visionssystemen beizutragen. Der Quellcode und die Modelle sind öffentlich unter https://bocb-ai.github.io/ verfügbar.

English

This paper delves into the interplay between vision backbones and optimizers, unvealing an inter-dependent phenomenon termed \textbf{backbone-optimizer coupling bias} (BOCB). We observe that canonical CNNs, such as VGG and ResNet, exhibit a marked co-dependency with SGD families, while recent architectures like ViTs and ConvNeXt share a tight coupling with the adaptive learning rate ones. We further show that BOCB can be introduced by both optimizers and certain backbone designs and may significantly impact the pre-training and downstream fine-tuning of vision models. Through in-depth empirical analysis, we summarize takeaways on recommended optimizers and insights into robust vision backbone architectures. We hope this work can inspire the community to question long-held assumptions on backbones and optimizers, stimulate further explorations, and thereby contribute to more robust vision systems. The source code and models are publicly available at https://bocb-ai.github.io/.