[DEEPFAKE & Datawhale AI 夏令营] TASK3 笔记

最新推荐文章于 2024-08-09 22:24:25 发布

chrischen27

最新推荐文章于 2024-08-09 22:24:25 发布

阅读量794

点赞数 16

文章标签：人工智能笔记机器学习

本文链接：https://blog.csdn.net/chrischen27/article/details/140577784

版权

数据增强（Data Augmentation）是一种在训练集上生成新样本的方法，计算机视觉(CV)和自然语言处理 (NLP) 模型中经常使用数据增强，旨在通过创造变体来增加训练数据的多样性，这些变体保留了原始数据的主要信息，但呈现出不同的表达形式。

数据增强的优势：

提升模型泛化能力：数据增强通过生成额外的训练样本，使模型能够在更多变体下进行学习，这有助于模型在未见过的数据上表现得更好。
减少过拟合：通过增加训练数据量，模型有更少的机会对特定训练实例产生过度依赖，从而降低了过拟合的风险。
成本效益高：相比于收集更多的真实数据，数据增强是一种相对便宜且有效的方法来扩充数据集。
模拟真实场景：在计算机视觉中，数据增强可以模拟不同的视角、光照条件、遮挡等，使得模型更加适应实际环境中的变化。
加速模型收敛：在某些情况下，数据增强可以改善模型的收敛速度，因为模型能够接触到更全面的数据分布。

CV的数据增强方法：

1.几何变换：

翻转：水平翻转（左右镜像）或垂直翻转图像。
旋转：以任意角度旋转图像。
平移：在水平或垂直方向上移动图像。
缩放：放大或缩小图像尺寸。
倾斜：沿某个轴倾斜图像。
透视变换：模拟从不同视角拍摄图像的效果。

2.像素级操作：

亮度调整：增加或减少图像的整体亮度。
对比度调整：改变图像中颜色或灰度的对比强度。
饱和度调整：改变图像的颜色饱和度。
色调调整：修改图像的色调。
高斯噪声：在图像上添加随机噪声点。
椒盐噪声：在图像上添加随机的黑点或白点。
模糊：使用高斯模糊或其他滤波器使图像变得模糊。
锐化：增强图像边缘，使图像看起来更清晰。
色彩抖动：随机改变图像的色彩属性，如亮度、对比度、饱和度和色调。

3.裁剪和填充：

随机裁剪：从图像中随机选取一个区域作为新图像。
中心裁剪：从图像中心裁剪固定大小的区域。
弹性变形：模拟图像在物理上的扭曲效果。
随机擦除：在图像上随机选取一个区域并用平均颜色或零填充。
填充：当需要保持图像大小一致时，对裁剪后的图像进行填充。

4.混合和组合：

CutMix：将两个图像按随机形状和位置混合。
MixUp：线性插值两个图像及其标签。
GridMask：在图像上应用网格状的遮罩，去除部分信息。
Mosaic：将多个图像拼接在一起形成一个新的图像。

数据增强库

有一些供开发人员使用的库，例如 Albumentations、Augmentor、Imgaug、nlpaug、NLTK 和 spaCy。这些库包括几何变换和色彩空间变换函数、内核过滤器（即用于锐化和模糊的图像处理函数）和其他文本变换。数据增强库使用不同的深度学习框架，例如 Keras、MxNet、PyTorch 和 TensorFlow。

Torchvision

torchvision是PyTorch框架的一个子库，主要专注于计算机视觉任务。它提供了许多用于处理图像数据的功能，包括数据加载、预处理、数据增强、常用计算机视觉模型的实现以及一些标准的数据集。

torchvision的主要组件包括：

Transforms：用于图像数据的预处理和数据增强。这包括转换图像大小、裁剪、翻转、颜色调整等操作。
Datasets：包含了多种常用的数据集，如CIFAR10、ImageNet、MNIST、COCO等，这些数据集可以直接通过torchvision.datasets下载和加载。
Models：实现了许多流行的卷积神经网络架构，如ResNet、VGG、AlexNet、Inception、MobileNet等。这些模型既可以用于直接预测，也可以作为预训练模型来微调或进行迁移学习。
Utils：提供了一些实用函数，如将Tensor转换为图像、可视化模型输出、保存和加载模型等。

torchvision通常与torch库结合使用，torch提供了深度学习所需的张量计算和自动求导功能。使用torchvision可以极大地简化构建和训练计算机视觉模型的过程。

torchvision用于数据增强的示例

import torch
from torchvision import transforms

# 定义数据增强转换
transform = transforms.Compose([
    transforms.RandomResizedCrop(224),  # 随机裁剪并调整到224x224
    transforms.RandomHorizontalFlip(),  # 随机水平翻转
    transforms.ColorJitter(brightness=0.4, contrast=0.4, saturation=0.4, hue=0.1),  # 颜色抖动
    transforms.ToTensor(),  # 转换为Tensor
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])  # 归一化
])

# 加载数据集
dataset = torchvision.datasets.ImageFolder(root='path/to/dataset', transform=transform)
定义了一个包含多个转换操作的Compose对象。RandomResizedCrop和RandomHorizontalFlip用于增加图像的空间多样性，ColorJitter用于增加颜色空间的多样性，而ToTensor和Normalize则用于将图像转换为适合模型输入的格式。

注意！对于测试数据集，通常不应用数据增强，只进行必要的预处理，例如转换为Tensor和标准化。

Albumentation

albumentations 是一个用于图像增强的开源 Python 库，专门针对计算机视觉任务设计。它提供了快速和灵活的图像变换方法，被广泛应用于图像分类、目标检测、语义分割和其他基于深度学习的视觉任务中。albumentations 与其他图像增强相关软件包的区别在于，该软件包已通过多个基于 OpenCV 的库进行了优化。

用Albumentations替换上述torchvision的实现代码：

import albumentations as A
from albumentations.pytorch import ToTensorV2
import torch
from torch.utils.data import DataLoader
from torchvision.datasets import ImageFolder

# 定义数据增强转换
transform = A.Compose([
    A.RandomResizedCrop(height=224, width=224),
    A.HorizontalFlip(),
    A.ColorJitter(brightness=0.4, contrast=0.4, saturation=0.4, hue=0.1),
    A.Normalize(
        mean=[0.485, 0.456, 0.406],
        std=[0.229, 0.224, 0.225],
    ),
    ToTensorV2(),
])

# 定义一个函数来适应 ImageFolder 的需求，因为 ImageFolder 需要返回一个 PIL 图像
def albumentations_transform(image):
    return transform(image=image)['image']

# 加载数据集
dataset = ImageFolder(root='path/to/dataset', transform=albumentations_transform)

# 创建数据加载器
dataloader = DataLoader(dataset, batch_size=32, shuffle=True)
在 Albumentations 中，数据增强是作为一个字典返回的，其中键 'image' 对应于转换后的图像。因此，我们需要定义一个辅助函数 albumentations_transform 来适配 ImageFolder 数据集的接口，该接口期望一个简单的转换函数作为输入。

此外，Albumentations 提供了 ToTensorV2 变换，它会将图像转换为 PyTorch 的张量，并将其通道顺序从 HWC 转换为 CHW。

Baseline代码

train_loader = torch.utils.data.DataLoader(
    FFDIDataset(train_label['path'].head(1000), train_label['target'].head(1000), 
            transforms.Compose([
                        transforms.Resize((256, 256)),
                        transforms.RandomHorizontalFlip(),
                        transforms.RandomVerticalFlip(),
                        transforms.ToTensor(),
                        transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
        ])
    ), batch_size=40, shuffle=True, num_workers=4, pin_memory=True
)

val_loader = torch.utils.data.DataLoader(
    FFDIDataset(val_label['path'].head(1000), val_label['target'].head(1000), 
            transforms.Compose([
                        transforms.Resize((256, 256)),
                        transforms.ToTensor(),
                        transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
        ])
    ), batch_size=40, shuffle=False, num_workers=4, pin_memory=True
)
图像大小调整：使用transforms.Resize((256, 256))将所有图像调整到256x256像素的尺寸，这有助于确保输入数据的一致性。

随机水平翻转：transforms.RandomHorizontalFlip()随机地水平翻转图像，这种变换可以模拟物体在不同方向上的观察，从而增强模型的泛化能力。

随机垂直翻转：transforms.RandomVerticalFlip()随机地垂直翻转图像，这同样是为了增加数据多样性，让模型能够学习到不同视角下的特征。

转换为张量：transforms.ToTensor()将图像数据转换为PyTorch的Tensor格式，这是在深度学习中处理图像数据的常用格式。

归一化：transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])对图像进行归一化处理，这里的均值和标准差是根据ImageNet数据集计算得出的，用于将图像像素值标准化，这有助于模型的训练稳定性和收敛速度。

resources：https://datawhaler.feishu.cn/wiki/Ad0jwNK8Eis5XwksFZ7cCvb6nHh

用Albumentations替换Baseline中的torchvision的实现代码：

import albumentations as A
from albumentations.pytorch import ToTensorV2
import torch
from torch.utils.data import DataLoader

# 假设 FFDIDataset 是一个自定义数据集类，这里需要定义一个辅助函数来应用 Albumentations 转换
def albumentations_transform(image, label):
    transformed = transform(image=image)
    return transformed['image'], label

# 定义训练集的增强
transform_train = A.Compose([
    A.Resize(256, 256),
    A.HorizontalFlip(),
    A.VerticalFlip(),
    A.Normalize(
        mean=[0.485, 0.456, 0.406],
        std=[0.229, 0.224, 0.225]
    ),
    ToTensorV2()
])

# 定义验证集的转换
transform_val = A.Compose([
    A.Resize(256, 256),
    A.Normalize(
        mean=[0.485, 0.456, 0.406],
        std=[0.229, 0.224, 0.225]
    ),
    ToTensorV2()
])

# 创建数据集实例，这里假设 FFDIDataset 是你已经定义好的数据集类
train_dataset = FFDIDataset(train_label['path'].head(1000), train_label['target'].head(1000))
val_dataset = FFDIDataset(val_label['path'].head(1000), val_label['target'].head(1000))

# 应用转换函数
train_dataset.transform = lambda x, y: albumentations_transform(x, y)
val_dataset.transform = lambda x, y: albumentations_transform(x, y)

# 创建数据加载器
train_loader = DataLoader(
    train_dataset, batch_size=40, shuffle=True, num_workers=4, pin_memory=True
)

val_loader = DataLoader(
    val_dataset, batch_size=40, shuffle=False, num_workers=4, pin_memory=True
)

Resources：[九月]Deepfake-FFDI-图像赛题 ch3 Modified by Hong (kaggle.com)

chrischen27

关注

16
点赞
踩
22

收藏

觉得还不错? 一键收藏
0
评论
[DEEPFAKE & Datawhale AI 夏令营] TASK3 笔记

数据增强的优势：数据增强（Data Augmentation）是一种在训练集上生成新样本的方法，计算机视觉(CV)和自然语言处理 (NLP) 模型中经常使用数据增强，旨在通过创造变体来增加训练数据的多样性，这些变体保留了原始数据的主要信息，但呈现出不同的表达形式。：数据增强通过生成额外的训练样本，使模型能够在更多变体下进行学习，这有助于模型在未见过的数据上表现得更好。：通过增加训练数据量，模型有更少的机会对特定训练实例产生过度依赖，从而降低了过拟合的风险。
复制链接

扫一扫