【论文阅读笔记】CutMix：数据增强

最新推荐文章于 2024-08-12 21:23:23 发布

花噜噜酱

最新推荐文章于 2024-08-12 21:23:23 发布

阅读量5w

点赞数 72

分类专栏： cv论文阅读笔记

本文链接：https://blog.csdn.net/weixin_38715903/article/details/103999227

版权

cv论文阅读笔记专栏收录该内容

10 篇文章 2 订阅

订阅专栏

1.几种数据增强的区别:Mixup,Cutout,CutMix

2.CutMix的原理【与代码一同食用更好消化】

3.论文中的一些讨论内容

4.看看代码

看论文的原因：学习mixup的时候发现的这篇论文，读读看！

论文地址：https://arxiv.org/abs/1905.04899v2

1.几种数据增强的区别:Mixup,Cutout,CutMix

Mixup:将随机的两张样本按比例混合，分类的结果按比例分配；
Cutout: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；
CutMix:就是将一部分区域cut掉但不填充0像素而是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

上述三种数据增强的区别：cutout和cutmix就是填充区域像素值的区别；mixup和cutmix是混合两种样本方式上的区别：mixup是将两张图按比例进行插值来混合样本，cutmix是采用cut部分区域再补丁的形式去混合图像，不会有图像混合后不自然的情形
优点：

在训练过程中不会出现非信息像素，从而能够提高训练效率；
保留了regional dropout的优势，能够关注目标的non-discriminative parts；
通过要求模型从局部视图识别对象，对cut区域中添加其他样本的信息，能够进一步增强模型的定位能力；
不会有图像混合后不自然的情形，能够提升模型分类的表现；
训练和推理代价保持不变。

2.CutMix的原理【与代码一同食用更好消化】

$x_{A}$ 和 $x_{B}$ 是两个不同的训练样本， $y_{A}$ 和 $y_{B}$ 是对应的标签值，CutMix需要生成的是新的训练样本和对应标签： $\tilde{x}$ 和 $\tilde{y}$ ，公式如下：

$\tilde{x}=\mathbf{M}\bigodot x_{A}+(\mathbf{1}-\mathbf{M})\bigodot x_{B}$

$\tilde{y}=\lambda y_{A}+(1-\lambda )y_{B}$

$\mathbf{M}\in \left \{ 0,1 \right \}^{W\times H}$ 是为了dropd掉部分区域和进行填充的二进制掩码， $\bigodot$ 是逐像素相乘， $\mathbf{1}$ 是所有元素都为1 的二进制掩码， $\lambda$ 与Mixup一样属于Beta分布： $\lambda \sim Beta(\alpha ,\alpha )$ ，令 $\alpha=1$ 则 $\lambda$ 服从（0，1）的均匀分布。

为了对二进制掩 $\mathbf{M}$ 进行采样，首先要对剪裁区域的边界框 $\mathbf{B}= (r_{x}, r_{y}, r_{w}, r_{h})$ 进行采样，用来对样本 $x_{A}$ 和 $x_{B}$ 做裁剪区域的指示标定。在论文中对矩形掩码 $\mathbf{M}$ 进行采样（长宽与样本大小成比例）。

剪裁区域的边界框采样公式如下：

$r_{x}\sim \textrm{Unif}(0,W), r_{w}=W\sqrt{1-\lambda },$

$r_{y}\sim \textrm{Unif}(0,H), r_{h}=H\sqrt{1-\lambda }$

保证剪裁区域的比例为 $\frac{r_{w}r_{h}}{WH}=1-\lambda$ ，确定好裁剪区域 $\mathbf{B}$ 之后，将制掩 $\mathbf{M}$ 中的裁剪区域 $\mathbf{B}$ 置0，其他区域置1。就完成了掩码的采样，然后将样本A中的剪裁区域 $\mathbf{B}$ 移除，将样本B中的剪裁区域 $\mathbf{B}$ 进行裁剪然后填充到样本A。

3.论文中的一些讨论内容

1）.What does model learn with CutMix?

作者通过热力图，给出了结果。CutMix的操作使得模型能够从一幅图像上的局部视图上识别出两个目标，提高训练的效率。由图可以看出，Cutout能够使得模型专注于目标较难区分的区域（腹部），但是有一部分区域是没有任何信息的，会影响训练效率；Mixup的话会充分利用所有的像素信息，但是会引入一些非常不自然的伪像素信息。

同时作者也给出了一个信息利用的对比表格，CutMix能有效地改善数据增强的效果，准确的定位和分类

4.看看代码

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

1).生成剪裁区域：

"""train.py 279-295行"""
"""输入为：样本的size和生成的随机lamda值"""
def rand_bbox(size, lam):
    W = size[2]
    H = size[3]
    """1.论文里的公式2，求出B的rw,rh"""
    cut_rat = np.sqrt(1. - lam)
    cut_w = np.int(W * cut_rat)
    cut_h = np.int(H * cut_rat)

    # uniform
    """2.论文里的公式2，求出B的rx,ry（bbox的中心点）"""
    cx = np.random.randint(W)
    cy = np.random.randint(H)
    #限制坐标区域不超过样本大小

    bbx1 = np.clip(cx - cut_w // 2, 0, W)
    bby1 = np.clip(cy - cut_h // 2, 0, H)
    bbx2 = np.clip(cx + cut_w // 2, 0, W)
    bby2 = np.clip(cy + cut_h // 2, 0, H)
    """3.返回剪裁B区域的坐标值"""
    return bbx1, bby1, bbx2, bby2

2).整体流程：

"""train.py 220-244行"""
for i, (input, target) in enumerate(train_loader):
    # measure data loading time
    data_time.update(time.time() - end)

    input = input.cuda()
    target = target.cuda()
    r = np.random.rand(1)
    if args.beta > 0 and r < args.cutmix_prob:
        # generate mixed sample
        """1.设定lamda的值，服从beta分布"""
        lam = np.random.beta(args.beta, args.beta)
        """2.找到两个随机样本"""
        rand_index = torch.randperm(input.size()[0]).cuda()
        target_a = target#一个batch
        target_b = target[rand_index] #将原有batch打乱顺序
        """3.生成剪裁区域B"""
        bbx1, bby1, bbx2, bby2 = rand_bbox(input.size(), lam)
        """4.将原有的样本A中的B区域，替换成样本B中的B区域"""
        #打乱顺序后的batch组和原有的batch组进行替换[对应id下]
        input[:, :, bbx1:bbx2, bby1:bby2] = input[rand_index, :, bbx1:bbx2, bby1:bby2]
        # adjust lambda to exactly match pixel ratio
        """5.根据剪裁区域坐标框的值调整lam的值"""
        lam = 1 - ((bbx2 - bbx1) * (bby2 - bby1) / (input.size()[-1] * input.size()[-2]))
        # compute output
        """6.将生成的新的训练样本丢到模型中进行训练"""
        output = model(input)
        """7.按lamda值分配权重"""
        loss = criterion(output, target_a) * lam + criterion(output, target_b) * (1. - lam)
    else:
        # compute output
        output = model(input)
        loss = criterion(output, target)

差不多就这样。

END.