深度学习--数据增强

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

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Ixy=[IRxy,IGxy,IBxy]T进行加上如下的变化:

[p1,p2,p3][α1λ1,α2λ2,α3λ3]T

其中:αi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: http://blog.csdn.net/langb2014/article/details/51579491

    python环境搭建：

    numpy, scipy：sudo pip install numpy和sudo 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）:

    sudo apt-get install libhdf5-serial-dev
    sudo pip install h5py 或者
    sudo apt-get install python-h5py

    cuDNN（可选, 如果你使用CNNS）
    Theano（作为后端, 从实现本文的主要内容看, 推荐安装这个）
    TensorFlow（作为后端, 可以了解一下）

<3> 安装 Keras

sudo pip install keras
 
python实现
#!/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
<2> 参数讲解：
http://keras.io/preprocessing/image/
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, http://keras.io/preprocessing/image/
    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．