数据增强

数据增强(Data Augmentation)已经成为深度学习时代的常规做法， 数据增强目的是为了增加训练数据的丰富度， 让模型接触多样性的数据以增加模型的泛化能力。

通常，数据增强可分为在线(online)与离线(offline)两种方式：

• 离线方式指的是在训练开始之前将数据进行变换，变换后的图片保存到硬盘当中；
• 在线方式则是在训练过程中，每一次加载训练数据时对数据进行变换， 以实现让模型看到的图片都是增强之后的。

实际上，这两种方法理论上是等价的，一般的框架都采用在线方式的数据增强， PyTorch 的 transforms 就是在线方式。

PyTorch transforms

可以使用 transforms 对数据集进行转换操作，使得数据集可以作为机器学习算法可以使用的形式：

• torchvision.transforms
• torchtext.transforms
• torchaudio.transforms

torchvision transforms

torchvision.transforms

transforms 简介

torchvision.transforms 是广泛使用的图像变换库，包含二十多种基础方法以及多种组合功能， 通常可以用 torchvision.transforms.Compose([]) 把各方法串联在一起使用。 大多数的 transforms 类都有对应的 functional transforms，可供用户自定义调整。

在 torchvision.transforms 库中包含二十多种变换方法，那么多的方法里应该如何挑选， 以及如何设置参数呢？数据增强的方向一定是测试数据集中可能存在的情况。 举个例子，做人脸检测可以用水平翻转（如前置相机的镜像就是水平翻转）， 但不宜采用垂直翻转（这里指一般业务场景，特殊业务场景有垂直翻转的人脸就另说）。 因为真实应用场景不存在倒转（垂直翻转）的人脸，因此在训练过程选择数据增强时就不应包含垂直翻转。

所有的 torchvision datasets 都有两个接受包含转换逻辑的可调用对象的参数:

• transform
  • 修改特征
• target_transform
  • 修改标签

大部分 transform 同时接受 PIL 图像和 tensor 图像， 但是也有一些 tansform 只接受 PIL 图像，或只接受 tensor 图像。 对于 tensor 图像，transform 接受 tensor 图像或批量 tensor 图像：

• tensor 图像的 shape 格式是 (C, H, W)
• 批量 tensor 图像的 shape 格式是 (B, C, H, W)

transforms 机制

开始采用 torchvision.transforms.Compose 把变换的方法包装起来，放到 Dataset 中； 在 DataLoader 依次读数据时，调用 Dataset 的 __getitem__， 每个 sample 读取时，会根据 compose 里的方法依次地对数据进行变换， 以此完成在线数据增强。而具体的 transforms 方法通常包装成一个 Module 类， 具体实现会在各 functional 中。

常用转换

torchvision.transform 模块提供了多个常用转换

• Scriptable transforms
  • torch.nn.Sequential
  • torch.jit.script
• Compositions of transforms
  • Compose: 将多个 transform 串联起来
• Transforms on PIL Image and torch.*Tensor
• Transforms on PIL Image only
  • RandomChoice
  • RandomOrder
• Transforms on torch.*Tensor only
  • LinearTransformation
  • Normalize
  • RandomErasing
  • ConvertImageDtype
• Conversion transforms
  • ToPILImage: tensor/ndarray -> PIL Image
  • ToTensor: PIL Image/numpy.ndarray -> tensor
    • 将 PIL 格式图像或 Numpy ndarra 转换为 FloatTensor
    • 将图像的像素强度值(pixel intensity values)缩放在 [0, 1] 范围内
  • PILToTensor: PIL Image -> tensor
• Generic transforms
  • Lambda 变换
    • 可以应用任何用户自定义的 lambda 函数
    • scatter_: 在标签给定的索引上设置 value
• Automatic Augmentation transforms
  • AutoAugmentPolicy
  • AutoAgument
  • RandAugment
  • TrivialAugmentWide
  • AugMix
• Functional transforms
  • 函数式转换提供了对转换管道的细粒度控制。与上述转换相反， 函数式转换不包含用于其参数的随机数生成器。 这意味着必须指定/生成所有参数，但函数转换将提供跨调用的可重现结果
  • torchvision.transform.functional

torchtext transforms

transforms 简介

常用转换

torchaudio transforms

transforms 简介

常用转换

AIbumentations

参考

• transforms 的二十二个方法
• AIbumentations