Paddle 实现Cutout数据增强操作

Cutout 可以理解为 Dropout 的一种扩展操作，不同的是 Dropout 是对图像经过网络后生成的特征进行遮挡，而 Cutout 是直接对输入的图像进行遮挡，它在图像上生成一个大小为 cutout_size 的矩形区域，并将该区域内的像素值置零，相对于Dropout对噪声的鲁棒性更好。
新建如下类：

class Cutout(object):
    def __init__(self, cutout_size=16):
        self.cutout_size = cutout_size

    def __call__(self, img):
        h, w = img.shape[-2:]
        mask = np.ones((h, w), np.float32)

        y = np.random.randint(h)
        x = np.random.randint(w)

        y1 = np.clip(y - self.cutout_size // 2, 0, h)
        y2 = np.clip(y + self.cutout_size // 2, 0, h)
        x1 = np.clip(x - self.cutout_size // 2, 0, w)
        x2 = np.clip(x + self.cutout_size // 2, 0, w)

        mask[y1:y2, x1:x2] = 0.0
        img = img.astype(np.float32)

        img *= mask
        return img

加入train的数据增强中：

  # 定义训练集的数据增强流程
  self.train_transforms = transforms.Compose([
      transforms.Resize((224, 224)),
      transforms.RandomHorizontalFlip(),  # 随机水平翻转
      transforms.ColorJitter(0.4, 0.4, 0.4),  # 颜色抖动
      transforms.BrightnessTransform(0.4),  # 光照增强
      Cutout(cutout_size=16),
      transforms.ToTensor(),
      transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
  ])

在实际使用中，可以根据需求调整 cutout_size 的大小。