CNN数据增强实战：解决小样本训练难题的五大策略

1次阅读

共计 2324 个字符，预计需要花费 6 分钟才能阅读完成。

在计算机视觉任务中，我们经常遇到训练数据不足的问题。小样本训练会导致模型出现两种典型症状：

过拟合：模型记住了训练数据的细节，但在新数据上表现糟糕
特征提取不足：模型无法学习到足够的视觉特征，导致识别能力低下

传统解决方案是收集更多数据，但这往往成本高昂。数据增强技术通过人为 ” 制造 ” 新数据，成为经济高效的替代方案。

特征	传统方法(如 OpenCV)	深度学习方法(如 Albumentations)
实现复杂度	低	中等
计算效率	高	中等
多样性	有限	丰富
与框架集成	需要手动集成	原生支持
适用场景	简单任务	复杂任务

几何变换是最基础也最常用的增强方法，主要包括：

随机旋转：通常限制在 [-30°,30°] 范围内
随机裁剪：先对图像 padding 再随机裁剪原尺寸
水平 / 垂直翻转：特别适合自然场景图像

数学原理上，这些变换都可以用 3×3 的仿射变换矩阵表示。在 PyTorch 中，transforms.RandomAffine可以一站式实现这些功能。

在 HSV 色彩空间进行调整比 RGB 空间更符合人类视觉感知：

将图像从 RGB 转换到 HSV 空间
对三个通道分别调整：
色相(H)：±0.1
饱和度(S)：±0.2
明度(V)：±0.2
转换回 RGB 空间

公式表示为：

H' = H + ΔH * (2*random()-1)
S' = S * (1 + ΔS * (2*random()-1))
V' = V * (1 + ΔV * (2*random()-1))

这两种方法都通过混合样本创造新数据：

MixUp：线性混合两张图像和标签
```
x' = λx_i + (1-λ)x_j
y' = λy_i + (1-λ)y_j
```
λ 通常从 Beta(α,α)分布采样，α=0.4 效果不错
CutMix：用一张图的局部替换另一张图的对应区域
```
x' = M ⊙ x_i + (1-M) ⊙ x_j
y' = λy_i + (1-λ)y_j
```
其中 M 是二进制掩码，λ 由切割区域比例决定

FGSM(Fast Gradient Sign Method)是一种简单有效的对抗样本生成方法：

import torch

def fgsm_attack(image, epsilon, data_grad):
    sign_grad = data_grad.sign()
    perturbed_image = image + epsilon * sign_grad
    perturbed_image = torch.clamp(perturbed_image, 0, 1)
    return perturbed_image

import torch
from torchvision import transforms
import matplotlib.pyplot as plt

class AdvancedAugmentationDataset(torch.utils.data.Dataset):
    def __init__(self, dataset, aug_config):
        self.dataset = dataset
        self.aug_config = aug_config

        # 基础几何变换
        self.geometric = transforms.Compose([transforms.RandomHorizontalFlip(p=aug_config['flip_prob']),
            transforms.RandomRotation(aug_config['rotation_degree']),
            transforms.RandomResizedCrop(size=aug_config['crop_size'])
        ])

    def __getitem__(self, idx):
        img, label = self.dataset[idx]

        # 应用增强策略
        if self.aug_config['use_geometric']:
            img = self.geometric(img)

        if self.aug_config['use_mixup'] and random.random() < 0.5:
            idx2 = random.randint(0, len(self)-1)
            img2, _ = self.dataset[idx2]
            lam = np.random.beta(self.aug_config['mixup_alpha'], 
                                self.aug_config['mixup_alpha'])
            img = lam * img + (1-lam) * img2

        return img, label

    def visualize(self, idx):
        img, _ = self.__getitem__(idx)
        plt.imshow(img.permute(1,2,0))
        plt.show()

我们对不同方法在 RTX 3090 上进行了基准测试：