本文主要介绍了超大规模分类框架的现有解决方案，以及低成本分类框架 FFC 的相应原理及 trick 介绍。
论文链接：https://arxiv.org/pdf/2105.10375.pdf
应用 & 代码：
- https://modelscope.cn/models/damo/cv_ir50_face-recognition_arcface/summary
- https://modelscope.cn/models/damo/cv_resnet_face-recognition_facemask/summary
背景
图像分类是当前 AI 最为成功的实际应用技术之一，已经融入了人们的日常生活。被广泛应用于计算机视觉的大部分任务中，比如图像分类、图像搜索、OCR、内容审核、识别认证等领域。目前已形成一个普遍共识：“当数据集越大 ID 越多时，只要训练得当，相应分类任务的效果就会越好”。但是当面对千万 ID 甚至上亿 ID 时，当下流行的 DL 框架，很难低成本的直接进行如此超大规模的分类训练。
解决该问题最直观的方式是通过集群的方式消耗更多的显卡资源，但即便如此，海量 ID 下的分类问题，依然会有如下几个问题：
1.）成本问题：分布式训练框架 + 海量数据情况下，内存开销、多机通信、数据存储与加载都会消耗更多的资源。
2.）长尾问题：实际场景中，当数据集达到上亿 ID 时，往往其绝大部分 ID 内的图片样本数量会很少，数据长尾分布非常明显，直接训练难以获得较好效果。
本文余下章节将重点介绍超大规模分类框架现有解决方案，以及低成本分类框架 FFC 的相应原理及 trick 介绍。
方法
在介绍方法之前，本文首先回顾了当前超大规模分类存在的主要挑战点：
挑战点 1：成本居高不下
ID 数目越大分类器显存需求越大，如下示意图所示：
显存越大所需机器卡数越多，成本也就越高，相应多机协同的硬件基础设施成本也越高。与此同时，当分类 ID 数目达到极超大规模的时候，主要计算量将浪费在最后一层分类器上，骨架网络消耗的时间可忽略不计。
挑战点 2：长尾学习困难
在实际场景下，上亿 ID 中的绝大部分 ID 内的图片样本数量会很少，长尾数据分布非常明显，直接训练难以收敛。如果按照同等权重训练，则长尾样本会被淹没学习不充分。此时，一般采用 imbalanced sample，在这个研究课题上，有非常多的方法可以借鉴，采取怎样的方式融入到简易超大规模分类框架上较为合适呢？
带着上述两个挑战点，首先来看下现有可行的方案有哪些，是否能很好的解决上述两个挑战。
可行方法 1：度量学习
可行方法 2：PFC 框架
可行方法 3：VFC 框架
本论文方法：FFC 框架
大规模分类采用 FC 训练时损失函数如下：
在每一次反传过程中，所有的类中心都会更新：
但 FC 太大了，直观的思路是合理地选择一定比例的类中心，即如下 Vj 为 1 部分：
由上述动机，引出了如下初步的方案：
首先，为了解决长尾带来的影响，本文引入两个 loaders，分别是基于 id 采样的 id_loader 和基于样本采样的 instance_loader，有了这两个 loader。在每个 epoch 当中，样本多的类和样本少的（few-shot）类能够有机会被训练到。
其次，在训练开始之前，先将一部分样本送入 id group，这里假设放入 10% id 的样本进入 group。这时候 gallery 用的是随机参数。
然后，训练开始时，batch 样本挨个进入 probe net。然后对于每个 batch 里面的样本就有两种情况：1.）group 中存在此样本同样 id 的特征，2.）group 中不存在同类样本的特征。对于这两种情况，分别称之为 existing id 和 fresh id。对于 existing 的样本，用特征和 group 里面的特征做内积，计算与标签的交叉熵损失函数，后回传。对于 fresh 的样本，与 group 里面的样本进行最小化余弦相似度。
最后，对 group 里面特征更新，采取新类中心替换，依据现有类中心加权的原则。对于 gallery net，采用 moving average 策略把 probe 里面的参数渐渐更新进去。
本论文方法：trick 介绍
1.）引入的 ID Group，其 size 是个可调参数，一般默认为 3 万。
2.）为达到稳定训练，参考 moco 类方法，引入 moving average，相应收敛情况分别为：
实验结果
1. 双 Loader 消融实验
2. SOTA 方法效果对比
3. 显存与样本吞吐对比
