代码实操地址:https://www.kaggle.com/finlay/deepfake-ffdi-ch3
-
数据增强基础
数据增强是一种在机器学习和深度学习领域常用的技术,尤其是在处理图像和视频数据时。数据增强的目的是通过人工方式增加训练数据的多样性,从而提高模型的泛化能力,使其能够在未见过的数据上表现得更好。数据增强涉及对原始数据进行一系列的变换操作,生成新的训练样本。这些变换模拟了真实世界中的变化,对于图像而言,数据增强包括例如视角、光照、遮挡等情况,使得模型能够学习到更加鲁棒的特征表示。
比如notebook里面的随机水平翻转变换,对小猫图片做了8次随机水平翻转变换,6次不翻转,2次翻转。每次运行,都会得到不一样的结果。
但是要注意的是,变换操作需要与目标任务的实际场景符合。比如使用AutoAugment()函数,得到的第二张、第七张,一般场景是见不到这种小猫的。
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
)
train_loader就是加载预处理过的训练集图像数据,预处理过程包括Resize统一大小,随机水平、竖直翻转,之后转换成张量并进行归一化。在深度学习中,对输入数据进行归一化是一个标准步骤。归一化有助于加快模型的收敛速度,并提高数值稳定性。对于验证集,应该避免使用如随机翻转等可能引入不必要噪音的增强方法。通常,验证集只需要进行必要的预处理,如调整大小和归一化。所以val_loader里面没有水平、竖直翻转的操作。
-
常见数据增强方法
torchvision是一个流行的开源Python包,官方文档比较详细:https://pytorch.org/vision/main/index.html
在这个包中,数据增强方法主要位于torchvision.transforms
和torchvision.transforms.v2
模块中。包括几何变换、颜色变换、自动增强等操作,具体可以看他的包介绍,并配合notebook实操。
进阶数据增强方法
Mixup
MixUp的混合过程包括以下步骤:
-
从训练集中随机选择两个图像和它们的标签。
-
将这两个图像按照
alpha
的比例混合,得到一个新的图像。 -
将这两个标签按照相同的
alpha
比例混合,得到一个新的标签。
MixUp方法具有以下几个优点:
-
增加数据多样性:通过混合不同的图像和标签,MixUp可以创建更多样化的训练样本,帮助模型学习到更加鲁棒的特征表示。
-
减少过拟合:MixUp可以减少模型对特定训练样本的依赖,从而降低过拟合的风险。
-
提高泛化能力:MixUp可以帮助模型学习到更加泛化的特征表示,从而提高模型在未见过的数据上的表现。
Cutmix
CutMix方法中,剪切和粘贴操作是关键步骤。具体来说,剪切和粘贴过程包括以下步骤:
-
从训练集中随机选择两个图像和它们的标签。
-
随机选择一个剪切区域的大小和位置。
-
将第一个图像的剪切区域粘贴到第二个图像上,得到一个新的图像。
-
根据剪切区域的大小,计算两个图像的标签的加权平均值,得到一个新的标签。
How to use CutMix and MixUp — Torchvision 0.18 documentation
两种技术的示例可以参考以上链接
本笔记参考资料:Task3:数据增强,提升模型表现 - 飞书云文档 (feishu.cn)