CIFAR10数据增强实战：从基础操作到生产级优化方案

1次阅读

共计 2659 个字符，预计需要花费 7 分钟才能阅读完成。

CIFAR10 作为经典的图像分类基准数据集，存在两个显著特点：

图像尺寸小：32×32 像素使得模型难以捕获高层次特征
样本量有限：仅 5 万训练样本易导致模型过拟合

通过数据增强，我们可以在不增加真实数据的情况下，有效扩充数据多样性。实验表明，合理的数据增强能使 ResNet18 在 CIFAR10 上的测试准确率提升 3 -5%。

from tensorflow.keras.preprocessing.image import ImageDataGenerator

datagen = ImageDataGenerator(
    rotation_range=15,
    width_shift_range=0.1,
    height_shift_range=0.1,
    horizontal_flip=True,
    brightness_range=[0.9,1.1]
)

import torchvision.transforms as transforms

transform_train = transforms.Compose([transforms.RandomHorizontalFlip(),
    transforms.RandomRotation(15),
    transforms.ColorJitter(brightness=0.1, contrast=0.1, saturation=0.1),
    transforms.ToTensor()])

关键差异：

TensorFlow 采用即时 (online) 增强，在数据加载时动态生成
PyTorch 通常预定义转换管道，更灵活但需手动处理多线程

随机水平翻转：对物体对称性强的类别特别有效
小幅旋转 ：设置rotation_range=15 避免重要特征出界
随机裁剪：先四周填充 4 像素再裁剪回 32×32，模拟物体位置变化

transforms.RandomCrop(32, padding=4, padding_mode='reflect')

transforms.ColorJitter(
    brightness=0.2,  # 亮度扰动幅度
    contrast=0.2,    # 对比度
    saturation=0.2,  # 饱和度
    hue=0.02         # 色相（HSV 空间）)

调参经验：
– 亮度 / 对比度建议控制在±20% 以内
– 色相调整需谨慎，避免改变语义（如红色汽车变绿色）

Cutout 实现：

class Cutout(object):
    def __init__(self, length):
        self.length = length

    def __call__(self, img):
        h, w = img.size(1), img.size(2)
        mask = np.ones((h, w), np.float32)
        y = np.random.randint(h)
        x = np.random.randint(w)
        y1 = np.clip(y - self.length // 2, 0, h)
        y2 = np.clip(y + self.length // 2, 0, h)
        x1 = np.clip(x - self.length // 2, 0, w)
        x2 = np.clip(x + self.length // 2, 0, w)
        mask[y1:y2, x1:x2] = 0.
        img = img * torch.from_numpy(mask)
        return img

from torch.utils.data import DataLoader
from torchvision import datasets

# 定义增强管道
transform_train = transforms.Compose([transforms.RandomCrop(32, padding=4),
    transforms.RandomHorizontalFlip(),
    transforms.ColorJitter(brightness=0.2, contrast=0.2),
    transforms.ToTensor(),
    Cutout(length=16),  # 应用 Cutout
    transforms.Normalize(mean, std)
])

# 数据加载
train_set = datasets.CIFAR10(
    root='./data', 
    train=True,
    download=True, 
    transform=transform_train
)

train_loader = DataLoader(
    train_set, 
    batch_size=128,
    shuffle=True,
    num_workers=4,  # 多线程加速
    pin_memory=True  # 减少 CPU-GPU 传输延迟
)

import matplotlib.pyplot as plt

# 获取一批增强后的图像
images, labels = next(iter(train_loader))

# 显示前 16 张
fig, axes = plt.subplots(4, 4, figsize=(12,12))
for i, ax in enumerate(axes.flat):
    ax.imshow(np.transpose(images[i].numpy(), (1,2,0)))
    ax.axis('off')
plt.show()