社区首页 >专栏 >数据增强策略（一）

数据增强策略（一）

机器视觉CV

发布于 2020-08-04 02:06:20

2.1K00

代码可运行

文章被收录于专栏：机器视觉CV机器视觉CV

运行总次数：0

代码可运行

数据增强汇总仓库

一个强大的数据增强仓库 https://github.com/aleju/imgaug

介绍了大量不同任务的数据增强方法，包括代码和可视化

另一份数据增强的文档是百度深度学习框架 PandlePandle 的介绍 https://paddleclas.readthedocs.io/zh_CN/latest/advanced_tutorials/image_augmentation/ImageAugment.html

以下详细介绍几种数据增强的策略

Mix up

论文：

《mixup: Beyond Empirical Risk Minimization》 https://arxiv.org/abs/1710.09412
《Bag of Tricks for Image Classification with Convolutional Neural Networks》 https://arxiv.org/abs/1812.01187

代码

mix up 在 cifar10 的应用（分类）：https://github.com/facebookresearch/mixup-cifar10
可视化：https://github.com/pascal1129/cv_notes/blob/master/codes/mixup.ipynb

算法原理：

几乎无额外计算开销的情况下稳定提升 1 个百分点的图像分类精度。也可以使用在目标检测上面

对于输入的一个 batch 的待测图片 images，将其和随机抽取的图片进行融合，融合比例为

λ

$\lambda$

，得到混合张量 inputs；

第 1 步中图片融合的比例

λ

$\lambda$

是 [0,1] 之间的随机实数，符合

β

$\beta$

分布 numpy.random.beta (alpha, alpha)，相加时两张图对应的每个像素值直接相加，即

i n p u t s = λ * i m a g e s + (1 - λ) * i m a g e s_{r a n d o m}

$inputs = \lambda *images + (1-\lambda)*images_{random}$

将第 1 步中得到的混合张量 inputs 传递给 model 得到输出张量 outpus，随后计算损失函数时，我们针对两个图片的标签分别计算损失函数，然后按照比例

λ

$\lambda$

进行损失函数的加权求和，即

$loss = \lambda * criterion (outputs, targets_a) + (1 - \lambda) * criterion (outputs, targets_b)；$

不同的

$\lambda$

值得到的结果

代码示例

一份简单的代码实现如下：

https://github.com/facebookresearch/mixup-cifar10/blob/master/train.py

这里相当于把输入打乱后的输入进行权重相加

def mixup_data(x, y, alpha=1.0, use_cuda=True):
    '''Returns mixed inputs, pairs of targets, and lambda'''
    if alpha > 0:
        lam = np.random.beta(alpha, alpha)
    else:
        lam = 1

    batch_size = x.size()[0]
    if use_cuda:
        index = torch.randperm(batch_size).cuda()
    else:
        index = torch.randperm(batch_size) # 打乱索引顺序

    mixed_x = lam * x + (1 - lam) * x[index, :] # 这里就相当于不同的两种进行混合
    y_a, y_b = y, y[index]
    return mixed_x, y_a, y_b, lam


def mixup_criterion(criterion, pred, y_a, y_b, lam):
    return lam * criterion(pred, y_a) + (1 - lam) * criterion(pred, y_b)

Cutout

论文：《Improved Regularization of Convolutional Neural Networks with Cutout》https://arxiv.org/abs/1708.04552

代码：https://github.com/uoguelph-mlrg/Cutout

算法原理

随机的将样本中的部分区域 cut 掉，并且填充 0 像素值，分类的结果不变；

实验结果

CutMix

论文：《CutMix: Regularization Strategy to Train Strong Classifiers with Localizable Features》https://arxiv.org/abs/1905.04899

代码：https://github.com/clovaai/CutMix-PyTorch

算法原理

CutMix 是将一部分区域 cut 掉然后随机填充训练集中的其他数据的区域像素值，分类结果按一定的比例分配。进而提高了模型对抗输入破坏的鲁棒性

作者认为 mixup 的缺点是：

Mixup samples suffer from the fact that they are locally ambiguous and unnatural, and therefore confuses the model, especially for localization。

算法基本原理：通过设计一个遮罩 M，它的大小与图片大小一致，每个像素取值为 0 或者 1，然后通过 M 与图 A 进行像素点乘法运算、1-M 与图 B 进行像素点乘法运算，然后两者相加得到一张新的图片。标签类别根据相应比例重新生成。

在大部分任务中均有提升

基于 CutMix 的预训练模型可以在 Pascal VOC 上实现性能提升，但它并不是专门为目标检测器设计的。

参考：https://blog.csdn.net/weixin_38715903/article/details/103999227

Gridmask

论文：《GridMask Data Augmentation》https://arxiv.org/abs/2001.04086

代码：https://github.com/Jia-Research-Lab/GridMask

在不同任务上的效果

基本原理

Gridmask 的基本原理就是利用一张和原图同样大小的网格蒙版（mask，上面的值只有 0 和 1）并随机对蒙版进行翻转，然后与原图进行相乘，得到最终的结果。

该方法类似于正则化的效果，如果蒙版上 1 的数量较多，也就是保持信息的比例较大，那么模型有可能存在过拟合的风险，反之，若保持信息的比例较少，则存在欠拟合的风险。

这种数据增强的方法有 4 个参数

$\delta _{x} 、\delta _{y}、r、d$

，其物理意义如下：

参考：https://zhuanlan.zhihu.com/p/103992528

Mosaic

Mosaic 是 YOLOv4 提出的一种数据增强方法，在 Cutmix 中我们组合了两张图像，而在 Mosaic 中我们使用四张训练图像按一定比例组合成一张图像，使模型学会在更小的范围内识别对象。其次还有助于显著减少对 batch-size 的需求。

参考：https://mp.weixin.qq.com/s/Cl_BCkRVABXsBnZd9siJtw

Label Smoothing

论文：https://arxiv.org/abs/1512.00567

算法原理

Label Smoothing 是在论文《Rethinking the Inception Architecture for Computer Vision》中提到的一种对于输出进行正则化的方法。核心就是对 label 进行 soft 操作，不要给 0 或者 1 的标签，而是有一个偏移，相当于在原 label 上增加噪声，让模型的预测值不要过度集中于概率较高的类别，把一些概率放在概率较低的类别。

对于一个 K 分类的模型，输入 x，模型计算类别为 k 的概率为

$p(k \mid x)=\frac{\exp \left(z_{k}\right)}{\sum_{i=1}^{K} \exp \left(z_{i}\right)}$

假设真实分布为

$q (k)$

，则交叉熵损失函数为

$l=-\sum_{k=1}^{K} \log (p(k)) q(k)$

最小化交叉熵等价最大化似然函数。交叉熵函数对逻辑输出求导

正常情况下，如果实际的标签 y=k (第 k 类)，那么

$q (k)= 1$

，那么为了使损失尽量小， p (k) 必须要尽量接近于 1，那么模型对于结果预测会更加自信。这就会导致两个问题