main work

提出了Attention distillation loss，与knowledge distillation loss混合使用训练神经网络，在不需examplar的前提下达到较好的准确率。

---

motivation

CNN准确定位到与类别相关的区域后，提取的特征才更具有区分性，常见的distiilation loss存在一个问题，当CNN对某类别的注意力区域发生转移后，其大小并不会发生太大的改变，如下图：

注意力区域发生转移，很有可能导致CNN无法提取到足够具有辨识度的特征，如上图所示，挂盘电话的有区分度的区域为挂盘号码，挂盘电话下方的提示符并不能显示这是一个挂盘电话，分类器很有可能把这张图片划分其他类别，而常见的knowledge distillation loss对此并不敏感，因此提出了attention distillation loss。

在新类别首次训练时，CNN往往能定位到与类别相关的区域，通过attention distillation loss，希望在以后增量的过程中，CNN能保留类别首次训练时，定位类别相关区域的能力。

---

knowledge distillation loss只能解释一张图片是什么，与之相似的类别是什么，但是无法解释为什么它们会相似，而attention distillation loss能很好的解释why（例如猫和狗的耳朵很像等等），attention distillation loss的粒度比knowledge distillation loss更细，如下图：

method

符号约定

符号名	含义
$M_{t-1}$Mt−1​	第t-1轮增量的模型
$M_{t}$Mt​	第t轮增量的模型
$L_D$LD​	knowledge distillation loss
$L_{AD}$LAD​	attention distillation loss
$L_C$LC​	classification loss

总体流程如下：

训练$M_t$Mt​时，新类别的每一张图片分别输入到$M_{t-1}$Mt−1​与$M_t$Mt​中，选择$M_t$Mt​中旧类别值最高的分支，利用grad-cam对其进行可视化，得到一张注明了attention区域的图片，接着利用这两张图片构建attention distillation loss，具体而言，对第$i$i张图片，第$c$c个类别，grad-cam可视化的结果记为

vector表示向量化，$L_{AD}$LAD​的定义如下：

相似度的定义很多，论文比较了L1距离与L2距离后，发现L1距离效果更佳。

论文并没有解释为什么选择$M_t$Mt​旧类别分支最大的值进行可视化，这点很迷

最终的loss定义为：

$\beta$β与$\gamma$γ为超参数，取值0到1之间，需注意的是，LwF不会使用examplar

实验

此部分只给出较为有趣的部分，更多实验结果可以查看原论文

baseline：LwF-MC、C（只使用classification loss）

论文给出了四次增量模型的可视化图，结果如下：

可以看到，使用attention distillation loss的LwM，在多次增量后，注意力区域并没有发生太多改变