CIFAR-10数据增强实战指南：从基础方法到高级技巧

1次阅读

没有评论

共计 1743 个字符，预计需要花费 5 分钟才能阅读完成。

CIFAR-10 数据集包含 6 万张 32×32 像素的彩色图像，分为 10 个类别。这个尺寸在当今的计算机视觉任务中属于 非常小的输入尺寸，导致两个主要问题：

图像信息密度低，细节特征容易被常规卷积操作丢失
原始训练集仅 5 万张（每类 5000 张），模型容易记住训练样本（过拟合）

通过数据增强，我们可以：

人工扩展数据集多样性
强制模型学习更鲁棒的特征
模拟现实世界中可能出现的图像变化

最常用且计算代价最低的增强方式，特别适合 CIFAR-10 中对称性较强的类别（如飞机、汽车）。在 PyTorch 中实现：

transforms.RandomHorizontalFlip(p=0.5)  # 50% 概率执行翻转

对于小尺寸图像，建议限制旋转角度在±15 度以内，避免过多空白区域：

transforms.RandomRotation(degrees=15)

虽然 CIFAR-10 本身已是 32×32，但先放大再随机裁剪能增加位置变化：

transforms.Compose([transforms.Resize(40),  # 先放大
    transforms.RandomCrop(32),  # 再随机裁剪回原尺寸
    transforms.ToTensor()])

通过轻微调整亮度、对比度、饱和度和色相模拟光照变化：

transforms.ColorJitter(
    brightness=0.2,  # 亮度调整幅度
    contrast=0.2,    # 对比度  
    saturation=0.2,  # 饱和度
    hue=0.1          # 色相（注意范围应在[-0.5,0.5]）)

以一定概率转为灰度图像，增强对颜色变化的鲁棒性：

transforms.RandomGrayscale(p=0.1)

将两幅图像的部分区域进行混合，同时调整标签为混合比例：

# 需要自定义实现
class CutMix(object):
    def __call__(self, img1, img2):
        lam = np.random.beta(1.0, 1.0)  # 混合比例
        bbx1, bby1, bbx2, bby2 = rand_bbox(img1.size(), lam)
        img1[:, bbx1:bbx2, bby1:bby2] = img2[:, bbx1:bbx2, bby1:bby2]
        return img1, lam

线性混合两幅图像和标签：

def mixup_data(x, y, alpha=1.0):
    lam = np.random.beta(alpha, alpha)
    batch_size = x.size()[0]
    index = torch.randperm(batch_size)
    mixed_x = lam * x + (1 - lam) * x[index]
    return mixed_x, y, y[index], lam

train_transform = transforms.Compose([transforms.Resize(40),
    transforms.RandomCrop(32),
    transforms.RandomHorizontalFlip(),
    transforms.ColorJitter(0.1, 0.1, 0.1),
    transforms.ToTensor(),
    transforms.Normalize(mean, std)  
])

当 GPU 显存不足时：