徐海蛟教学


在深度学习中,当数据量不够大时候,常常采用下面4中方法:


1. 人工增加训练集的大小. 通过平移, 翻转, 加噪声等方法从已有数据中创造出一批"新"的数据.也就是Data Augmentation

2. Regularization. 数据量比较小会导致模型过拟合, 使得训练误差很小而测试误差特别大. 通过在Loss Function 后面加上正则项可以抑制过拟合的产生. 缺点是引入了一个需要手动调整的hyper-parameter. 详见

3. Dropout. 这也是一种正则化手段. 不过跟以上不同的是它通过随机将部分神经元的输出置零来实现. 详见

4. Unsupervised Pre-training. 用Auto-Encoder或者RBM的卷积形式一层一层地做无监督预训练, 最后加上分类层做有监督的Fine-Tuning. 参考 

 

不同的任务背景下, 我们可以通过图像的几何变换, 使用以下一种或多种组合数据增强变换来增加输入数据的量. 这里具体的方法都来自数字图像处理的内容, 相关的知识点介绍, 网上都有, 就不一一介绍了.

  • 旋转 | 反射变换(Rotation/reflection): 随机旋转图像一定角度; 改变图像内容的朝向;

  • 翻转变换(flip): 沿着水平或者垂直方向翻转图像;

  • 缩放变换(zoom): 按照一定的比例放大或者缩小图像;

  • 平移变换(shift): 在图像平面上对图像以一定方式进行平移; 
    可以采用随机或人为定义的方式指定平移范围和平移步长, 沿水平或竖直方向进行平移. 改变图像内容的位置;

  • 尺度变换(scale): 对图像按照指定的尺度因子, 进行放大或缩小; 或者参照SIFT特征提取思想, 利用指定的尺度因子对图像滤波构造尺度空间. 改变图像内容的大小或模糊程度;

  • 对比度变换(contrast): 在图像的HSV颜色空间,改变饱和度S和V亮度分量,保持色调H不变. 对每个像素的S和V分量进行指数运算(指数因子在0.25到4之间), 增加光照变化;

  • 噪声扰动(noise): 对图像的每个像素RGB进行随机扰动, 常用的噪声模式是椒盐噪声和高斯噪声;

  • 颜色变换(color): 在训练集像素值的RGB颜色空间进行PCA, 得到RGB空间的3个主方向向量,3个特征值, p1, p2, p3, λ1, λ2, λ3. 对每幅图像的每个像素Ixy=[IRxy,IGxy,IBxy]T进行加上如下的变化:

                                        [p1,p2,p3][α1λ1,α2λ2,α3λ3]T

      :αi0,0.1.

代码实现

作为实现部分, 这里介绍一下在python 环境下, 利用已有的开源代码库Keras作为实践:

复制代码

 1 # -*- coding: utf-8 -*- 2 __author__ = 'Administrator' 3  4 # import packages 5 from keras.preprocessing.p_w_picpath import ImageDataGenerator, array_to_img, img_to_array, load_img 6  7 datagen = ImageDataGenerator( 8         rotation_range=0.2, 9         width_shift_range=0.2,10         height_shift_range=0.2,11         shear_range=0.2,12         zoom_range=0.2,13         horizontal_flip=True,14         fill_mode='nearest')15 16 img = load_img('C:\Users\Administrator\Desktop\dataA\lena.jpg')  # this is a PIL p_w_picpath, please replace to your own file path17 x = img_to_array(img)  # this is a Numpy array with shape (3, 150, 150)18 x = x.reshape((1,) + x.shape)  # this is a Numpy array with shape (1, 3, 150, 150)19 20 # the .flow() command below generates batches of randomly transformed p_w_picpaths21 # and saves the results to the `preview/` directory22 23 i = 024 for batch in datagen.flow(x,25                           batch_size=1,26                           save_to_dir='C:\Users\Administrator\Desktop\dataA\pre',#生成后的图像保存路径27                           save_prefix='lena',28                           save_format='jpg'):29     i += 130     if i > 20:31         break  # otherwise the generator would loop indefinitely

复制代码

 

主要函数:ImageDataGenerator 实现了大多数上文中提到的图像几何变换方法.

  • rotation_range: 旋转范围, 随机旋转(0-180)度;

  • width_shift and height_shift: 随机沿着水平或者垂直方向,以图像的长宽小部分百分比为变化范围进行平移;

  • rescale: 对图像按照指定的尺度因子, 进行放大或缩小, 设置值在0 - 1之间,通常为1 / 255;

  • shear_range: 水平或垂直投影变换, 参考这里 https://keras.io/preprocessing/p_w_picpath/

  • zoom_range: 按比例随机缩放图像尺寸;

  • horizontal_flip: 水平翻转图像;

  • fill_mode: 填充像素, 出现在旋转或平移之后.

效果如下图所示: