在CNN中使用Tensorflow进行数据增强
开始之前，需要思考一些基本问题
1、为什么需要大量数据
当您训练机器学习模型时，您真正在做的是调整其参数，以便它可以将特定输入（例如，图像）映射到某个输出（标签）。我们的优化目标是追逐我们模型损失较低的最佳位置，这种情况发生在您的参数以正确的方式调整时。
SRE实战 互联网时代守护先锋，助力企业售后服务体系运筹帷幄！一键直达领取阿里云限量特价优惠。现在的神经网络通常具有数百万的参数，因此，你需要向您的机器学习模型喂入一定比例的示例，以获得良好的性能。此外，您需要的参数数量与模型送执行的任务的复杂程度成正比。
2、如果我没有“更多数据”，如何获得更多数据？
您无需寻找可添加到数据集中的新颖图像。为什么？因为，神经网络开始时并不聪明。例如，训练不良的神经网络会认为下面显示的这三个网球是截然不同的独特图像。
因此，为了获得更多数据，我们只需要对现有数据集进行微小改动。轻微更改，例如翻转或翻译或轮换。无论如何，我们的神经网络会认为这些是不同的图像。
卷积神经网络即使放置在不同的方向，也可以对对象进行稳健的分类，我们称之为称为不变性。更具体地，CNN可以对平移，视点，大小或照明（或上述的组合）也不变。
这基本上是 数据增加的前提。在现实世界场景中，我们可能会在一组有限的条件下获取图像数据集。但是，我们的目标应用可能存在于各种条件下，例如不同的方向，位置，比例，亮度等。我们通过使用额外的合成修改数据训练我们的神经网络来解释这些情况。
3、即使有我有大量的数据，扩充也可以提供帮助吗
是。它有助于增加数据集中的相关数据量。 这与神经网络学习的方式有关。让我用一个例子来说明它。
（我们假设数据集中的两个类。左边的那个代表品牌A（福特），右边的代表品牌B（雪佛兰）） 想象一下，您有一个由两个品牌的汽车组成的数据集，如上所示。让我们假设品牌A的所有车辆都与左侧的车辆完全对齐（即所有车辆都朝向左侧）。同样，品牌B的所有汽车都与右侧的图片完全对齐（即面向右侧）。现在，您将此数据集提供给“最先进的”神经网络，并且您希望在训练后获得令人印象深刻的结果。
福特汽车（品牌A），但面对正确。
现在，你提供一张品牌A的图片，但是你的神经网络输出它是B品牌车。为什么会这样？这是因为大多数机器学习算法都是如此。它找到了区分一个类与另一个类的最明显的特征。在这里，特色是所有品牌A的汽车都面向左侧，而品牌B的所有汽车都面向右侧。 我们如何防止这种情况发生？我们必须减少数据集中不相关的功能。对于我们上面的汽车模型分类器，一个简单的解决方案是添加两个类别的汽车图片，面向我们原始数据集的另一个方向。更好的是，您可以水平翻转现有数据集中的图像，使其面向另一侧！现在，在这个新数据集上训练神经网络时，您将获得您想要获得的性能。
流行的增强技术
让我们探讨几种最常用的图像增强技术，包括代码示例和增强后的图像可视化。从这里开始，数据将被称为图像。我们将在所有示例中使用用Python编写的Tensorflow或OpenCV。以下是我们将在文章中使用的技术索引：
在任何技术之前：图像大小调整
从互联网收集的图像将具有不同的大小。由于在大多数神经网络中存在完全连接的层，所以馈送到网络的图像将需要固定大小（除非您在传递到密集层之前使用空间金字塔池）。因此，在图像增强发生之前，让我们将图像预处理到我们网络所需的大小。使用固定大小的图像，我们可以获得批量处理它们的好处。
1 import tensorflow as tf 2 import matplotlib.image as mpimg 3 import numpy as np 4 5 IMAGE_SIZE = 224 6 7 def tf_resize_images(X_img_file_paths): 8 X_data = [] 9 tf.reset_default_graph() 10 X = tf.placeholder(tf.float32, (None, None, 3)) 11 tf_img = tf.image.resize_images(X, (IMAGE_SIZE, IMAGE_SIZE), 12 tf.image.ResizeMethod.NEAREST_NEIGHBOR) 13 with tf.Session() as sess: 14 sess.run(tf.global_variables_initializer()) 15 16 # Each image is resized individually as different image may be of different size. 17 for index, file_path in enumerate(X_img_file_paths): 18 img = mpimg.imread(file_path)[:, :, :3] # Do not read alpha channel. 19 resized_img = sess.run(tf_img, feed_dict = {X: img}) 20 X_data.append(resized_img) 21 22 X_data = np.array(X_data, dtype = np.float32) # Convert to numpy 23 return X_dataImage Reszing
缩放
在图像中具有不同缩放的感兴趣对象是图像多样性的最重要方面。当您的网络掌握在真实用户手中时，图像中的对象可能很小或很大。此外，有时，物体可以覆盖整个图像，但不会完全存在于图像中（即在物体的边缘处被裁剪）。
def central_scale_images(X_imgs, scales): # Various settings needed for Tensorflow operation boxes = np.zeros((len(scales), 4), dtype = np.float32) for index, scale in enumerate(scales): x1 = y1 = 0.5 - 0.5 * scale # To scale centrally x2 = y2 = 0.5 + 0.5 * scale boxes[index] = np.array([y1, x1, y2, x2], dtype = np.float32) box_ind = np.zeros((len(scales)), dtype = np.int32) crop_size = np.array([IMAGE_SIZE, IMAGE_SIZE], dtype = np.int32) X_scale_data = [] tf.reset_default_graph() X = tf.placeholder(tf.float32, shape = (1, IMAGE_SIZE, IMAGE_SIZE, 3)) # Define Tensorflow operation for all scales but only one base image at a time tf_img = tf.image.crop_and_resize(X, boxes, box_ind, crop_size) with tf.Session() as sess: sess.run(tf.global_variables_initializer()) for img_data in X_imgs: batch_img = np.expand_dims(img_data, axis = 0) scaled_imgs = sess.run(tf_img, feed_dict = {X: batch_img}) X_scale_data.extend(scaled_imgs) X_scale_data = np.array(X_scale_data, dtype = np.float32) return X_scale_data # Produce each image at scaling of 90%, 75% and 60% of original image. scaled_imgs = central_scale_images(X_imgs, [0.90, 0.75, 0.60])Scaling
翻译
我们希望我们的网络能够识别图像任何部分中存在的对象。此外，对象可以部分地存在于图像的角落或边缘中。因此，我们将对象移动到图像的各个部分。这也可能导致背景噪声的增加。代码段显示在四边翻译图像，保留80％的基本图像。
from math import ceil, floor def get_translate_parameters(index): if index == 0: # Translate left 20 percent offset = np.array([0.0, 0.2], dtype = np.float32) size = np.array([IMAGE_SIZE, ceil(0.8 * IMAGE_SIZE)], dtype = np.int32) w_start = 0 w_end = int(ceil(0.8 * IMAGE_SIZE)) h_start = 0 h_end = IMAGE_SIZE elif index == 1: # Translate right 20 percent offset = np.array([0.0, -0.2], dtype = np.float32) size = np.array([IMAGE_SIZE, ceil(0.8 * IMAGE_SIZE)], dtype = np.int32) w_start = int(floor((1 - 0.8) * IMAGE_SIZE)) w_end = IMAGE_SIZE h_start = 0 h_end = IMAGE_SIZE elif index == 2: # Translate top 20 percent offset = np.array([0.2, 0.0], dtype = np.float32) size = np.array([ceil(0.8 * IMAGE_SIZE), IMAGE_SIZE], dtype = np.int32) w_start = 0 w_end = IMAGE_SIZE h_start = 0 h_end = int(ceil(0.8 * IMAGE_SIZE)) else: # Translate bottom 20 percent offset = np.array([-0.2, 0.0], dtype = np.float32) size = np.array([ceil(0.8 * IMAGE_SIZE), IMAGE_SIZE], dtype = np.int32) w_start = 0 w_end = IMAGE_SIZE h_start = int(floor((1 - 0.8) * IMAGE_SIZE)) h_end = IMAGE_SIZE return offset, size, w_start, w_end, h_start, h_end def translate_images(X_imgs): offsets = np.zeros((len(X_imgs), 2), dtype = np.float32) n_translations = 4 X_translated_arr = [] tf.reset_default_graph() with tf.Session() as sess: sess.run(tf.global_variables_initializer()) for i in range(n_translations): X_translated = np.zeros((len(X_imgs), IMAGE_SIZE, IMAGE_SIZE, 3), dtype = np.float32) X_translated.fill(1.0) # Filling background color base_offset, size, w_start, w_end, h_start, h_end = get_translate_parameters(i) offsets[:, :] = base_offset glimpses = tf.image.extract_glimpse(X_imgs, size, offsets) glimpses = sess.run(glimpses) X_translated[:, h_start: h_start + size[0], \ w_start: w_start + size[1], :] = glimpses X_translated_arr.extend(X_translated) X_translated_arr = np.array(X_translated_arr, dtype = np.float32) return X_translated_arr translated_imgs = translate_images(X_imgs)Translation
旋转（90度）
网络必须识别任何方向上存在的对象。假设图像是方形的，将图像旋转90度将不会在图像中添加任何背景噪声。
def rotate_images(X_imgs): X_rotate = [] tf.reset_default_graph() X = tf.placeholder(tf.float32, shape = (IMAGE_SIZE, IMAGE_SIZE, 3)) k = tf.placeholder(tf.int32) tf_img = tf.image.rot90(X, k = k) with tf.Session() as sess: sess.run(tf.global_variables_initializer()) for img in X_imgs: for i in range(3): # Rotation at 90, 180 and 270 degrees rotated_img = sess.run(tf_img, feed_dict = {X: img, k: i + 1}) X_rotate.append(rotated_img) X_rotate = np.array(X_rotate, dtype = np.float32) return X_rotate rotated_imgs = rotate_images(X_imgs)Rotate90
旋转（更精细的角度）
根据上面的需求，它可能是必要的对于各种角度。如果这图片的背景是一种固定的颜色，新加的颜色需要与背景融合，否则，神经网络不会将它作为一种特征来学习，而这种特征是不必要的。
from math import pi def rotate_images(X_imgs, start_angle, end_angle, n_images): X_rotate = [] iterate_at = (end_angle - start_angle) / (n_images - 1) tf.reset_default_graph() X = tf.placeholder(tf.float32, shape = (None, IMAGE_SIZE, IMAGE_SIZE, 3)) radian = tf.placeholder(tf.float32, shape = (len(X_imgs))) tf_img = tf.contrib.image.rotate(X, radian) with tf.Session() as sess: sess.run(tf.global_variables_initializer()) for index in range(n_images): degrees_angle = start_angle + index * iterate_at radian_value = degrees_angle * pi / 180 # Convert to radian radian_arr = [radian_value] * len(X_imgs) rotated_imgs = sess.run(tf_img, feed_dict = {X: X_imgs, radian: radian_arr}) X_rotate.extend(rotated_imgs) X_rotate = np.array(X_rotate, dtype = np.float32) return X_rotate # Start rotation at -90 degrees, end at 90 degrees and produce totally 14 images rotated_imgs = rotate_images(X_imgs, -90, 90, 14)rotate
翻转
这种情况对于网络来说更重要的是消除假设对象的某些特征仅在特定方面可用的偏差。考虑图像示例中显示的情况。您不希望网络知道香蕉的倾斜仅发生在基本图像中观察到的右侧。
def flip_images(X_imgs): X_flip = [] tf.reset_default_graph() X = tf.placeholder(tf.float32, shape = (IMAGE_SIZE, IMAGE_SIZE, 3)) tf_img1 = tf.image.flip_left_right(X) tf_img2 = tf.image.flip_up_down(X) tf_img3 = tf.image.transpose_image(X) with tf.Session() as sess: sess.run(tf.global_variables_initializer()) for img in X_imgs: flipped_imgs = sess.run([tf_img1, tf_img2, tf_img3], feed_dict = {X: img}) X_flip.extend(flipped_imgs) X_flip = np.array(X_flip, dtype = np.float32) return X_flip flipped_images = flip_images(X_imgs)flip image
添加椒盐噪声
盐和胡椒噪音是指在图像中添加白点和黑点。虽然这似乎没有必要，但重要的是要记住，将图像输入网络的普通用户可能不是专业摄影师。他的相机可以产生模糊的图像，有许多白点和黑点。这种增强有助于上述用户。
def add_salt_pepper_noise(X_imgs): # Need to produce a copy as to not modify the original image X_imgs_copy = X_imgs.copy() row, col, _ = X_imgs_copy[0].shape salt_vs_pepper = 0.2 amount = 0.004 num_salt = np.ceil(amount * X_imgs_copy[0].size * salt_vs_pepper) num_pepper = np.ceil(amount * X_imgs_copy[0].size * (1.0 - salt_vs_pepper)) for X_img in X_imgs_copy: # Add Salt noise coords = [np.random.randint(0, i - 1, int(num_salt)) for i in X_img.shape] X_img[coords[0], coords[1], :] = 1 # Add Pepper noise coords = [np.random.randint(0, i - 1, int(num_pepper)) for i in X_img.shape] X_img[coords[0], coords[1], :] = 0 return X_imgs_copy salt_pepper_noise_imgs = add_salt_pepper_noise(X_imgs)salt_pepper_noise
光照条件
这是图像数据集中所需的非常重要的多样性类型，不仅网络能够正确地学习感兴趣的对象，而且还模拟用户拍摄的图像的实际场景。通过在图像中添加高斯噪声来改变图像的照明条件。
import cv2 def add_gaussian_noise(X_imgs): gaussian_noise_imgs = [] row, col, _ = X_imgs[0].shape # Gaussian distribution parameters mean = 0 var = 0.1 sigma = var ** 0.5 for X_img in X_imgs: gaussian = np.random.random((row, col, 1)).astype(np.float32) gaussian = np.concatenate((gaussian, gaussian, gaussian), axis = 2) gaussian_img = cv2.addWeighted(X_img, 0.75, 0.25 * gaussian, 0.25, 0) gaussian_noise_imgs.append(gaussian_img) gaussian_noise_imgs = np.array(gaussian_noise_imgs, dtype = np.float32) return gaussian_noise_imgs gaussian_noise_imgs = add_gaussian_noise(X_imgs)gaussian_noise
透视变换
在透视变换中，我们尝试从不同的角度投影图像。为此，应事先知道物体的位置。仅仅在不知道对象位置的情况下计算透视变换可能导致数据集的劣化。因此，必须有选择地执行这种类型的增强。这种增强的最大优点是它可以强调网络需要学习的图像中的对象部分。
def get_mask_coord(imshape): vertices = np.array([[(0.09 * imshape[1], 0.99 * imshape[0]), (0.43 * imshape[1], 0.32 * imshape[0]), (0.56 * imshape[1], 0.32 * imshape[0]), (0.85 * imshape[1], 0.99 * imshape[0])]], dtype = np.int32) return vertices def get_perspective_matrices(X_img): offset = 15 img_size = (X_img.shape[1], X_img.shape[0]) # Estimate the coordinates of object of interest inside the image. src = np.float32(get_mask_coord(X_img.shape)) dst = np.float32([[offset, img_size[1]], [offset, 0], [img_size[0] - offset, 0], [img_size[0] - offset, img_size[1]]]) perspective_matrix = cv2.getPerspectiveTransform(src, dst) return perspective_matrix def perspective_transform(X_img): # Doing only for one type of example perspective_matrix = get_perspective_matrices(X_img) warped_img = cv2.warpPerspective(X_img, perspective_matrix, (X_img.shape[1], X_img.shape[0]), flags = cv2.INTER_LINEAR) return warped_img perspective_img = perspective_transform(X_img)perspective_transform
总结
尽管上面的图像增强方法列表并非详尽无遗，但是包含了许多广泛使用的方法，您可以组合的使用这些扩充来生成更多的图像。您可以在Github中查看本文使用的代码。
参考链接： 1、 https://medium.com/nanonets/how-to-use-deep-learning-when-you-have-limited-data-part-2-data-augmentation-c26971dc8ced 2、 https://medium.com/ymedialabs-innovation/data-augmentation-techniques-in-cnn-using-tensorflow-371ae43d5be9
更多精彩
