深度学习中的 Data Augmentation 方法和代码实现


前言

在深度学习中,为了避免出现过拟合(Overfitting),通常我们需要输入充足的数据量.为了得到更加充足的数据,我们通常需要对原有的图像数据进行几何变换,改变图像像素的位置并保证特征不变.

本页面主要记录下常用的数据增强(Data Augmentation)变换方法及其实现.

sl.png


数据增强变换(Data Augmentation Transformation)

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 $ {I_x}_y = {[I^R_{xy}, I^G_{xy}, I^B_{xy}]}^T $ 进行加上如下的变化:

$$ {[p1, p2, p3][α1λ1, α2λ2, α3λ3]}^T $$

$$ 其中: α_i 是满足均值为 0,方差为 0.1 的随机变量 $$ 

注意: 几何变换不改变像素值,而是改变像素所在的位置。通过 Data Augmentation 方法扩张了数据集的范围,作为输入时,以期待网络学习到更多的图像不变性特征。


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:

Keras: Deep Learning library for Theano and TensorFlow

Keras is a minimalist, highly modular neural networks library, written in Python and capable of running on top of either TensorFlow or Theano. It was developed with a focus on enabling fast experimentation. Being able to go from idea to result with the least possible delay is key to doing good research.


环境搭建

/1 实现环境: Ubuntu 14.04, python 
/2 Keras 依赖库: 参照这里

  • numpy, scipy:sudo pip install numpysudo pip install scipy
  • pyyaml: sudo pip install pyyaml
  • HDF5 and h5py(可选,如果你希望将模型保存为 hdf5 格式):
1
2
3
sudo apt-get install libhdf5-serial-dev
sudo pip install h5py 或者
sudo apt-get install python-h5py

/3 安装 Keras

1
sudo pip install keras

编程实现

/1 先上代码:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
#!/usr/bin/env python
#-*- coding: utf-8 -*-

# import packages
from keras.preprocessing.image import ImageDataGenerator, array_to_img, img_to_array, load_img

datagen = ImageDataGenerator(
rotation_range=0.2,
width_shift_range=0.2,
height_shift_range=0.2,
shear_range=0.2,
zoom_range=0.2,
horizontal_flip=True,
fill_mode='nearest'
)

img = load_img('~/Desktop/lena.jpg') # this is a PIL image, please replace to your own file path
x = img_to_array(img) # this is a Numpy array with shape (3, 150, 150)
x = x.reshape((1,) + x.shape) # this is a Numpy array with shape (1, 3, 150, 150)

# the .flow() command below generates batches of randomly transformed images
# and saves the results to the `preview/` directory

i = 0
for batch in datagen.flow(x, batch_size=1, save_to_dir='~/Desktop/preview', save_prefix='lena', save_format='jpg'):
i += 1
if i > 20:
break # otherwise the generator would loop indefinitely

注意: 修改自己的存放图像的路径!

看看我的效果图:

dataAug.png

/2 参数讲解:文档来自这里

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
  • 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

参考资料

[1]. https://blog.keras.io/building-powerful-image-classification-models-using-very-little-data.html
[2]. http://www.docin.com/p-751118909.html
[3]. http://imbinwang.github.io/blog/data-augmentation-in-deep-learning
[4]. http://keras.io/preprocessing/image/
[5]. https://en.wikipedia.org/wiki/Shear_mapping
[6]. https://github.com/fchollet/keras
[7]. http://keras.io/
[8]. http://www.360doc.com/content/16/0314/19/31629080_542186577.shtml


END

Enjoy it ? Donate me ! 求鼓励,求支持!
0%