1、數(shù)據(jù)預(yù)處理與數(shù)據(jù)增強(qiáng),2019.12.28 唐志鴻,說(shuō)明,初賽與復(fù)賽的數(shù)據(jù)都可以使用 為了使用兩個(gè)部分的數(shù)據(jù)，我們對(duì)label的處理變成對(duì)gray_label的處理而不是fixed_label,數(shù)據(jù)增強(qiáng),數(shù)據(jù)增強(qiáng)的目的是：提升特征的魯棒性與模型的泛化性 一般來(lái)講，數(shù)據(jù)增強(qiáng)是可以提升模型性能，但是并不是所有方法都成立(實(shí)際條件約束) 數(shù)據(jù)增強(qiáng)與數(shù)據(jù)集和任務(wù)存在一定的關(guān)聯(lián)性,數(shù)據(jù)增強(qiáng)基于pixels,亮度(圖像均值反應(yīng)) 對(duì)比度(均值不變的情況下，放縮差別) 顏色飽和度(將圖像的GBR顏色空間轉(zhuǎn)向HSV的顏色空間),色彩空間：What，Where,V = max(R,G,B) S =(V -min

2、(R,G,B)/V,GBR-HSV轉(zhuǎn)換計(jì)算方法,數(shù)據(jù)增強(qiáng)基于位置的變化,水平或者垂直翻轉(zhuǎn) 平移 旋轉(zhuǎn) 放縮 裁剪,仿射變換： 縮放（Scale）、平移(transform)、旋轉(zhuǎn)(rotate)、反射（reflection）這些也可以叫做幾何線性變換 錯(cuò)切(shear mapping),example,數(shù)據(jù)增強(qiáng)More Methods,Cutout:隨機(jī)丟掉圖中的一部分,DeVries, Terrance, and Graham W. Taylor. Improved regularization of convolutional neural networks with cutout. ar

3、Xiv preprint arXiv:1708.04552 (2017).,數(shù)據(jù)增強(qiáng)More Methods,Mixup:用兩個(gè)目標(biāo)合成一個(gè)目標(biāo),Zhang, Hongyi, et al. mixup: Beyond empirical risk minimization. arXiv preprint arXiv:1710.09412 (2017). Zhang, Zhi, et al. Bag of freebies for training object detection neural networks. arXiv preprint arXiv:1902.04103 (2019).,

4、數(shù)據(jù)增強(qiáng)More Methods,AutoAugment:根據(jù)數(shù)據(jù)集自動(dòng)學(xué)習(xí)更好的數(shù)據(jù)增強(qiáng)方法,Cubuk, Ekin D., et al. Autoaugment: Learning augmentation policies from data. arXiv preprint arXiv:1805.09501 (2018).,CIFAR-10: AutoAugment通常使用的是color-based transformations(Equalize, AutoContrast, Color, and Brightness)的數(shù)據(jù)增強(qiáng)方法.,ImageNet: 主要集中在color-based transformations.不同在于ImageNet中,旋轉(zhuǎn)也是經(jīng)常使用的策略,數(shù)據(jù)增強(qiáng)代碼實(shí)踐,Pytorch: torchvision torchvision.transform:文檔,分類模型常用的數(shù)據(jù)增強(qiáng)方法與不常用的里面都有,數(shù)據(jù)增強(qiáng)代碼實(shí)踐,有時(shí)候你需要自己寫transforms,怎么辦呢？,一般都可以利用numpy進(jìn)行處理，復(fù)雜的圖像處理可能需要PIL(盡量使用這個(gè)包).,數(shù)據(jù)增強(qiáng)