Parameter-Efficient Transfer Learning Benchmark: 一个统一的视觉参数高效迁移学习基准

RayRay
V-PETL Bench参数高效迁移学习计算机视觉基准测试模型评估Github开源项目

参数高效迁移学习基准:统一视觉任务评估

参数高效迁移学习(Parameter-Efficient Transfer Learning, PETL)方法在近年来受到了广泛关注。这些方法能够在仅训练少量参数的情况下,将预训练模型适应到各种下游任务中。在计算机视觉领域,已经提出了众多PETL算法,但直接使用或比较这些算法仍然存在不便。为了解决这一挑战,研究人员构建了一个统一的视觉PETL基准(V-PETL Bench)。

基准概述

V-PETL Bench从图像识别、视频动作识别和密集预测任务中精心挑选了30个多样化、具有挑战性和全面的数据集。在这些数据集上,研究人员系统评估了25种主流的PETL算法,并开源了一个模块化和可扩展的代码库,以便公平评估这些算法。

PETL Benchmark概览

如上图所示,V-PETL Bench涵盖了多个视觉任务领域,包括:

  • 图像分类:包括细粒度视觉分类(FGVC)和视觉任务适应基准(VTAB)
  • 视频动作识别:使用Kinetics-400和Something-Something V2数据集
  • 密集预测:包括目标检测和语义分割任务

数据准备

为了方便研究人员使用,V-PETL Bench提供了详细的数据准备指南:

  1. 图像分类数据集:

    • FGVC数据集可以从官方链接下载,并提供了训练集划分。
    • VTAB数据集已经进行了处理,可以直接下载使用。
  2. 视频动作识别数据集:

    • Kinetics-400和SSv2数据集需要下载并进行预处理。
    • 提供了生成数据加载器所需注释的指南。
  3. 密集预测数据集:

    • MS-COCO、ADE20K和PASCAL VOC数据集的下载链接和处理方法。

预训练模型

V-PETL Bench使用了多种预训练模型,包括:

  • ViT-B/16、ViT-L/16、ViT-H/16:在ImageNet-21K上进行监督预训练
  • Swin-B、Swin-L:在ImageNet-22K上进行监督预训练
  • VideoMAE ViT-B:在Kinetics-400上进行自监督预训练
  • Video Swin-B:在Kinetics-400上进行监督预训练

这些预训练模型可以从提供的链接下载。

代码结构

V-PETL Bench的代码结构清晰,主要包含以下部分:

  • configs:处理实验的配置参数
  • dataloader:加载和设置输入数据集
  • models:处理不同微调协议的主干网络和头部
  • train:包含训练和评估文件
  • scripts:包含运行脚本
  • Visualize:可视化工具
  • utils:创建日志、设置随机种子等

快速开始

V-PETL Bench提供了详细的安装和使用指南:

  1. 克隆代码仓库
  2. 设置conda环境并安装依赖
  3. 准备数据集和预训练模型
  4. 运行训练和评估脚本

同时还提供了一个具体的训练和评估示例,以LoRA方法在VTAB的Cifar100数据集上为例。

基准结果

V-PETL Bench在多个任务上进行了全面的评估:

  1. 图像分类:

    • 在FGVC的5个数据集上评估了13种PETL算法
    • 在VTAB的19个数据集上评估了18种PETL算法
  2. 视频动作识别:

    • 在SSv2和HMDB51数据集上评估了5种PETL算法
  3. 密集预测:

    • 在MS-COCO、ADE20K和PASCAL VOC数据集上进行了评估

评估结果显示,不同的PETL方法在各种任务上表现各异,没有一种方法能在所有任务上都表现最佳。这突显了构建统一基准的重要性,以便全面评估PETL方法的性能。

结论

V-PETL Bench为计算机视觉领域的参数高效迁移学习研究提供了一个全面、统一的评估平台。通过在多样化的数据集和任务上系统比较各种PETL方法,该基准有助于研究人员更好地理解这些方法的优缺点,为进一步改进PETL技术提供了重要参考。未来,V-PETL Bench还将继续扩展,纳入更多新兴的PETL方法和视觉任务,为推动该领域的发展做出贡献。

总的来说,V-PETL Bench的出现填补了计算机视觉领域缺乏统一PETL评估基准的空白,为相关研究提供了宝贵的资源和工具。随着深度学习模型规模的不断增长,参数高效迁移学习必将在未来发挥更加重要的作用。V-PETL Bench的持续发展和完善,将为这一重要研究方向提供强有力的支持。

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多