1. 數(shù)據(jù)增強Data Augmentation

• 數(shù)據(jù)增強讓有限的數(shù)據(jù)產(chǎn)生更多的數(shù)據(jù)，增加訓(xùn)練樣本的數(shù)量以及多樣性（噪聲數(shù)據(jù)），提升模型魯棒性。神經(jīng)網(wǎng)絡(luò)需要大量的參數(shù)，許許多多的神經(jīng)網(wǎng)路的參數(shù)都是數(shù)以百萬計，而使得這些參數(shù)可以正確工作則需要大量的數(shù)據(jù)進(jìn)行訓(xùn)練，但在很多實際的項目中，我們難以找到充足的數(shù)據(jù)來完成任務(wù)。
• 隨機改變訓(xùn)練樣本可以降低模型對某些屬性的依賴，從而提高模型的泛化能力。
  1. 例如，我們可以對圖像進(jìn)行不同方式的裁剪，讓物體以不同的實例出現(xiàn)在圖像的不同位置，這同樣能夠降低模型對目標(biāo)位置的敏感性。
  2. 例如，我們也可以調(diào)整亮度、對比度、飽和度和色調(diào) 等因素來降低模型對 色彩的敏感度。

2. 數(shù)據(jù)增強的分類

數(shù)據(jù)增強可以分為兩類，一類是離線增強，一類是在線增強。

1. 離線增強 ： 直接對數(shù)據(jù)集進(jìn)行處理，數(shù)據(jù)的數(shù)目會變成增強因子乘以原數(shù)據(jù)集的數(shù)目，這種方法常常用于數(shù)據(jù)集很小的時候。

2. 在線增強 ： 這種增強的方法用于，獲得 batch 數(shù)據(jù)之后，然后對這個 batch 的數(shù)據(jù)進(jìn)行增強，如旋轉(zhuǎn)、平移、翻折等相應(yīng)的變化，由于有些數(shù)據(jù)集不能接受線性級別的增長，這種方法長用于大的數(shù)據(jù)集，很多機器學(xué)習(xí)框架已經(jīng)支持了這種數(shù)據(jù)增強方式，并且可以使用 GPU 優(yōu)化計算。

3. 數(shù)據(jù)增強實現(xiàn)

數(shù)據(jù)增強一般是圖像用的多，都是一些常用的方法，比如random crop，隨機反轉(zhuǎn)，隨機對比度增強，顏色變化等等，一般來講隨機反轉(zhuǎn)和一個小比例的random resize，再接random crop比較常用。NLP中將字和詞連接起來就形成了一個新樣本，也屬于數(shù)據(jù)增強。

圖片數(shù)據(jù)增強通常只是針對訓(xùn)練數(shù)據(jù)，對于測試數(shù)據(jù)則用得較少。

3.1 PIL 實現(xiàn)

# -*- coding:utf-8 -*-
"""數(shù)據(jù)增強
   1. 翻轉(zhuǎn)變換 flip
   2. 隨機修剪 random crop
   3. 色彩抖動 color jittering
   4. 平移變換 shift
   5. 尺度變換 scale
   6. 對比度變換 contrast
   7. 噪聲擾動 noise
   8. 旋轉(zhuǎn)變換/反射變換 Rotation/reflection
   author: XiJun.Gong
   date:2016-11-29
"""

from PIL import Image, ImageEnhance, ImageOps, ImageFile
import numpy as np
import random
import threading, os, time
import logging

logger = logging.getLogger(__name__)
ImageFile.LOAD_TRUNCATED_IMAGES = True


class DataAugmentation:
    """
    包含數(shù)據(jù)增強的八種方式
    """


    def __init__(self):
        pass

    @staticmethod
    def openImage(image):
        return Image.open(image, mode="r")

    @staticmethod
    def randomRotation(image, mode=Image.BICUBIC):
        """
         對圖像進(jìn)行隨機任意角度(0~360度)旋轉(zhuǎn)
        :param mode 鄰近插值,雙線性插值,雙三次B樣條插值(default)
        :param image PIL的圖像image
        :return: 旋轉(zhuǎn)轉(zhuǎn)之后的圖像
        """
        random_angle = np.random.randint(1, 360)
        return image.rotate(random_angle, mode)

    @staticmethod
    def randomCrop(image):
        """
        對圖像隨意剪切,考慮到圖像大小范圍(68,68),使用一個一個大于(36*36)的窗口進(jìn)行截圖
        :param image: PIL的圖像image
        :return: 剪切之后的圖像

        """
        image_width = image.size[0]
        image_height = image.size[1]
        crop_win_size = np.random.randint(40, 68)
        random_region = (
            (image_width - crop_win_size) >> 1, (image_height - crop_win_size) >> 1, (image_width + crop_win_size) >> 1,
            (image_height + crop_win_size) >> 1)
        return image.crop(random_region)

    @staticmethod
    def randomColor(image):
        """
        對圖像進(jìn)行顏色抖動
        :param image: PIL的圖像image
        :return: 有顏色色差的圖像image
        """
        random_factor = np.random.randint(0, 31) / 10.  # 隨機因子
        color_image = ImageEnhance.Color(image).enhance(random_factor)  # 調(diào)整圖像的飽和度
        random_factor = np.random.randint(10, 21) / 10.  # 隨機因子
        brightness_image = ImageEnhance.Brightness(color_image).enhance(random_factor)  # 調(diào)整圖像的亮度
        random_factor = np.random.randint(10, 21) / 10.  # 隨機因1子
        contrast_image = ImageEnhance.Contrast(brightness_image).enhance(random_factor)  # 調(diào)整圖像對比度
        random_factor = np.random.randint(0, 31) / 10.  # 隨機因子
        return ImageEnhance.Sharpness(contrast_image).enhance(random_factor)  # 調(diào)整圖像銳度

    @staticmethod
    def randomGaussian(image, mean=0.2, sigma=0.3):
        """
         對圖像進(jìn)行高斯噪聲處理
        :param image:
        :return:
        """

        def gaussianNoisy(im, mean=0.2, sigma=0.3):
            """
            對圖像做高斯噪音處理
            :param im: 單通道圖像
            :param mean: 偏移量
            :param sigma: 標(biāo)準(zhǔn)差
            :return:
            """
            for _i in range(len(im)):
                im[_i] += random.gauss(mean, sigma)
            return im

        # 將圖像轉(zhuǎn)化成數(shù)組
        img = np.asarray(image)
        img.flags.writeable = True  # 將數(shù)組改為讀寫模式
        width, height = img.shape[:2]
        img_r = gaussianNoisy(img[:, :, 0].flatten(), mean, sigma)
        img_g = gaussianNoisy(img[:, :, 1].flatten(), mean, sigma)
        img_b = gaussianNoisy(img[:, :, 2].flatten(), mean, sigma)
        img[:, :, 0] = img_r.reshape([width, height])
        img[:, :, 1] = img_g.reshape([width, height])
        img[:, :, 2] = img_b.reshape([width, height])
        return Image.fromarray(np.uint8(img))

    @staticmethod
    def saveImage(image, path):
        image.save(path)


def makeDir(path):
    try:
        if not os.path.exists(path):
            if not os.path.isfile(path):
                # os.mkdir(path)
                os.makedirs(path)
            return 0
        else:
            return 1
    except Exception, e:
        print str(e)
        return -2


def imageOps(func_name, image, des_path, file_name, times=5):
    funcMap = {"randomRotation": DataAugmentation.randomRotation,
               "randomCrop": DataAugmentation.randomCrop,
               "randomColor": DataAugmentation.randomColor,
               "randomGaussian": DataAugmentation.randomGaussian
               }
    if funcMap.get(func_name) is None:
        logger.error("%s is not exist", func_name)
        return -1

    for _i in range(0, times, 1):
        new_image = funcMap[func_name](image)
        DataAugmentation.saveImage(new_image, os.path.join(des_path, func_name + str(_i) + file_name))


opsList = {"randomRotation", "randomCrop", "randomColor", "randomGaussian"}


def threadOPS(path, new_path):
    """
    多線程處理事務(wù)
    :param src_path: 資源文件
    :param des_path: 目的地文件
    :return:
    """
    if os.path.isdir(path):
        img_names = os.listdir(path)
    else:
        img_names = [path]
    for img_name in img_names:
        print img_name
        tmp_img_name = os.path.join(path, img_name)
        if os.path.isdir(tmp_img_name):
            if makeDir(os.path.join(new_path, img_name)) != -1:
                threadOPS(tmp_img_name, os.path.join(new_path, img_name))
            else:
                print 'create new dir failure'
                return -1
                # os.removedirs(tmp_img_name)
        elif tmp_img_name.split('.')[1] != "DS_Store":
            # 讀取文件并進(jìn)行操作
            image = DataAugmentation.openImage(tmp_img_name)
            threadImage = [0] * 5
            _index = 0
            for ops_name in opsList:
                threadImage[_index] = threading.Thread(target=imageOps,
                                                       args=(ops_name, image, new_path, img_name,))
                threadImage[_index].start()
                _index += 1
                time.sleep(0.2)


if __name__ == '__main__':
    threadOPS("/home/pic-image/train/12306train",
              "/home/pic-image/train/12306train3")

3.2 TensorFlow 實現(xiàn)

#encoding:utf-8
'''
tf 參考鏈接 ：https://tensorflow.google.cn/api_guides/python/image
增加數(shù)據(jù)量，減輕過擬合，增強模型的泛化能力
在預(yù)測時也可以使用
'''
import numpy as np
import os
import math
import tensorflow as tf
from skimage import io
import random
import matplotlib.pyplot as plt
 
def read_image(image_path):
    image_raw_data = tf.gfile.FastGFile(image_path,'rb').read()
    image_data = tf.image.decode_png(image_raw_data)
    return image_data
 
'''
    #圖像大小的調(diào)整,放大縮小
    不同尺寸
    tf.image.resize_images(img,size,size,method), 0,默認(rèn) 雙線性插值；1，最近鄰算法；
                                              2， 雙3次插值法；3，面積插值法
'''
def resize_image(image_data):
    
    res = []
    image_biliner = tf.image.resize_images(image_data,[256,256],method=0)   
 
    image_nn = tf.image.resize_images(image_data,[256,256],method=1)
    image_bicubic = tf.image.resize_images(image_data,[256,256],method=2)
    image_area = tf.image.resize_images(image_data,[256,256],method=3)
 
    res.append(tf.to_int32(image_biliner))
    res.append(tf.to_int32(image_nn))
    res.append(tf.to_int32(image_bicubic))
    res.append(tf.to_int32(image_area))
    
    return res
 
'''
#裁剪
識別不同位置的物體
'''
def crop_image(image_data):
    res = []
    #在中間位置進(jìn)行裁剪或者周圍填充0
    image_crop = tf.image.resize_image_with_crop_or_pad(image_data,256,256) 
    image_pad = tf.image.resize_image_with_crop_or_pad(image_data,512,512)
    
    #按照比列 裁剪圖像的中心區(qū)域
    image_center_crop = tf.image.central_crop(image_data,0.5)
 
    #隨機裁剪（常用方法）
    image_random_crop0 = tf.random_crop(image_data,[300,300,3])
    image_random_crop1 = tf.random_crop(image_data,[300,300,3])
 
    res.append(tf.to_int32(image_crop))
    res.append(tf.to_int32(image_pad))
    res.append(tf.to_int32(image_center_crop))
    res.append(tf.to_int32(image_random_crop0)) 
    res.append(tf.to_int32(image_random_crop1))
 
    return res
 
'''
    #旋轉(zhuǎn)（鏡像）
    圖像旋轉(zhuǎn)不會影響識別的結(jié)果，可以在多個角度進(jìn)行旋轉(zhuǎn)，使模型可以識別不同角度的物體
    當(dāng)旋轉(zhuǎn)或平移的角度較小時，可以通過maxpooling來保證旋轉(zhuǎn)和平移的不變性。
'''
def flip_image(image_data):
 
    #鏡像
    res = []
    #上下翻轉(zhuǎn)
    image_up_down_flip = tf.image.flip_up_down(image_data)
 
    #左右翻轉(zhuǎn)
    image_left_right_filp = tf.image.flip_left_right(image_data)
 
    #對角線旋轉(zhuǎn)
    image_transpose = tf.image.transpose_image(image_data)
 
    #旋轉(zhuǎn)90度 
    image_rot1 = tf.image.rot90(image_data,1)
    image_rot2 = tf.image.rot90(image_data,2)
    image_rot3 = tf.image.rot90(image_data,3)
 
    res.append(tf.to_int32(image_up_down_flip))
    res.append(tf.to_int32(image_left_right_filp))
    res.append(tf.to_int32(image_transpose))
    res.append(tf.to_int32(image_rot1))
    res.append(tf.to_int32(image_rot2))
    res.append(tf.to_int32(image_rot3))
 
    return res
 
#圖像色彩調(diào)整
'''
    根據(jù)原始數(shù)據(jù)模擬出更多的不同場景下的圖像
    brightness(亮度),適應(yīng)不同光照下的物體
    constrast（對比度）, hue（色彩）, saturation（飽和度） 
    可自定義和隨機
'''
def color_image(image_data):
    res = []
 
    image_random_brightness = tf.image.random_brightness(image_data,0.5)
    image_random_constrast = tf.image.random_contrast(image_data,0,1)
    image_random_hue = tf.image.random_hue(image_data,0.5)
    image_random_saturation = tf.image.random_saturation(image_data,0,1)
 
    #顏色空間變換
    images_data = tf.to_float(image_data)
    image_hsv_rgb = tf.image.rgb_to_hsv(images_data)
    # image_gray_rgb = tf.image.rgb_to_grayscale(image_data)
    # image_gray_rgb = tf.expand_dims(image_data[2],1)
 
    res.append(tf.to_int32(image_random_brightness))
    res.append(tf.to_int32(image_random_constrast))
    res.append(tf.to_int32(image_random_hue))
    res.append(tf.to_int32(image_random_saturation))
    res.append(tf.to_int32(image_hsv_rgb))
    return res
 
#添加噪聲
def PCA_Jittering(img):
 
    img_size = img.size/3
    print(img.size,img_size)
    img1= img.reshape(int(img_size),3)
    img1 = np.transpose(img1)
    img_cov = np.cov([img1[0], img1[1], img1[2]])  
    #計算矩陣特征向量
    lamda, p = np.linalg.eig(img_cov)
 
    p = np.transpose(p)  
    #生成正態(tài)分布的隨機數(shù)
    alpha1 = random.normalvariate(0,0.2)  
    alpha2 = random.normalvariate(0,0.2)  
    alpha3 = random.normalvariate(0,0.2)  
 
    v = np.transpose((alpha1*lamda[0], alpha2*lamda[1], alpha3*lamda[2])) #加入擾動  
    add_num = np.dot(p,v)  
 
    img2 = np.array([img[:,:,0]+add_num[0], img[:,:,1]+add_num[1], img[:,:,2]+add_num[2]])  
 
    img2 = np.swapaxes(img2,0,2)  
    img2 = np.swapaxes(img2,0,1)  
 
    return img2
 
def main(_):
    image_path = 'dog.png'
    image_data = read_image(image_path)
    img = tf.image.per_image_standardization(image_data)
    resize = resize_image(image_data)
    crop = crop_image(image_data)
    flip = flip_image(image_data)
    color = color_image(image_data)
    init = tf.global_variables_initializer()
 
    with tf.Session() as sess:
        sess.run(init)
        img, resize_res, crop_res, flip_res, color_res = sess.run([img,
            resize,crop,flip,color])
        
        res = []
        res.append(resize_res)
        res.append(crop_res)
        res.append(flip_res)
        res.append(color_res)
 
        for cat in res:
            fig = plt.figure()
            num = 1
            for i in cat:   
                x = math.ceil(len(cat)/2) #向上取整             
                fig.add_subplot(2,x,num)    
                plt.imshow(i)
                num = num+1
            plt.show()
        img = PCA_Jittering(img)
        plt.imshow(img)
        plt.show()
if __name__ == '__main__':
    tf.app.run()

3.3 Keras 實現(xiàn)

#!/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

3.4 Pytorch實現(xiàn)

import numpy as np
import torch
from torch import nn
import torch.nn.functional as F
from torch.autograd import Variable
from torchvision.datasets import CIFAR10
from utils import train, resnet
from torchvision import transforms as tfs
# 使用數(shù)據(jù)增強
def train_tf(x):
    im_aug = tfs.Compose([
        tfs.Resize(120),
        tfs.RandomHorizontalFlip(),
        tfs.RandomCrop(96),
        tfs.ColorJitter(brightness=0.5, contrast=0.5, hue=0.5),
        tfs.ToTensor(),
        tfs.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])
    ])
    x = im_aug(x)
    return x

def test_tf(x):
    im_aug = tfs.Compose([
        tfs.Resize(96),
        tfs.ToTensor(),
        tfs.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])
    ])
    x = im_aug(x)
    return x

train_set = CIFAR10('./data', train=True, transform=train_tf)
train_data = torch.utils.data.DataLoader(train_set, batch_size=64, shuffle=True)
test_set = CIFAR10('./data', train=False, transform=test_tf)
test_data = torch.utils.data.DataLoader(test_set, batch_size=128, shuffle=False)

net = resnet(3, 10)
optimizer = torch.optim.SGD(net.parameters(), lr=0.01)
criterion = nn.CrossEntropyLoss()
train(net, train_data, test_data, 10, optimizer, criterion)

3.5 imgaug 圖像增強庫實現(xiàn)

更加去參考：https://github.com/aleju/imgaug

4. 總結(jié)

數(shù)據(jù)增強主要對訓(xùn)練數(shù)據(jù)進(jìn)行操作的一種正則化技術(shù)。顧名思義，數(shù)據(jù)增強通過應(yīng)用一系列方法隨機地改變訓(xùn)練數(shù)據(jù)，比如平移，旋轉(zhuǎn)，剪切和翻轉(zhuǎn)等。數(shù)據(jù)增強的詳細(xì)變換幅度需要根據(jù)具體的應(yīng)用數(shù)據(jù)而設(shè)計，只要注意一點：應(yīng)用這些簡單的轉(zhuǎn)換不能改變輸入圖像的標(biāo)簽。每個通過增強得到的圖像都可以被認(rèn)為是一個“新”圖像。這樣我們可以不斷的給模型提供新的訓(xùn)練樣本，使模型能夠?qū)W習(xí)到更加具有辨別力，更具泛化性的特征。

應(yīng)用數(shù)據(jù)增強技術(shù)可以提高模型的準(zhǔn)確率，同時有助于減輕過擬合。此外，數(shù)據(jù)增強也可以增加數(shù)據(jù)量，降低深度學(xué)習(xí)需要的人工標(biāo)記的大量數(shù)據(jù)集。盡管收集“自然”的訓(xùn)練樣本越多越好，但是在無法增加真實的訓(xùn)練樣本時，數(shù)據(jù)增強可以用來克服小數(shù)據(jù)集的局限性。

5. 參考

深度學(xué)習(xí)與計算機視覺(PB-02)-數(shù)據(jù)增強

深度學(xué)習(xí)中的數(shù)據(jù)增強（data augmentation）

Keras ImageDataGenerator使用

深度學(xué)習(xí)入門之Pytorch——數(shù)據(jù)增強

圖像增強庫Image augmentation for machine learning experiments