6-6　影像数据增强

之前的辨识手写阿拉伯数字程序，还有以下缺点：

（1）使用MNIST的测试数据，辨识率达98%，但如果以绘图软件里使用鼠标书写的文件测试，辨识率就差很多。这是因为MNIST的训练数据与鼠标书写的样式有所差异，MNIST数据是请受测者先写在纸上，再扫描存盘，所以图像会有深浅不一的灰度和锯齿状，所以，如果要实际应用，还是须自行收集训练数据，准确率才会提升。

（2）若要自行收集数据，找上万个测试者书写，可能不太容易，又加上有些人书写字体可能会有歪斜、偏一边或大小不同，都会影响预测准确度，这时可以借由数据增强(Data Augmentation)技术，自动产生各种变形的训练数据，让模型更强健(Robust)。

数据增强可将一张正常图像转换成各种的图像，例如旋转、偏移、拉近/拉远、亮度等效果，将这些数据当作训练数据训练出来的模型，就能较好地辨识有缺陷的图像。

PyTorch提供的数据增强函数很多元，可参阅 TRANSFORMING AND AUGMENTING IMAGES ^[3] ，我们已在5-1节测试过，详情请参阅程序 【05_01_Datasets.ipynb】 。

范例1.将数据增强函数整合至【06_03_MNIST_CNN_Normalize.ipynb】中。

完整程序请参阅【06_05_Data_Augmentation_MNIST.ipynb】。

（1）程序几乎不需改变，只要在数据转换方式加上随机转换(Random*)，注意，数据增强函数很多，但阿拉伯数字有书写方向，有些随机转换不可采用，例如水平转换(RandomHorizontalFlip)，若使用的话，3就变成ε了。相关的效果可参阅PyTorch官网 Illustration of transforms ^[4] 。

训练数据要数据增强，测试数据不需要。

（2）以测试数据评分，准确率为98.54%，并未显著提高。

（3）测试自行书写的数字，原来的模型无法正确辨识笔者写的9，经过数据增强后，已经可以正确辨识了。注意使用不同套件，读出的像素值区间会有所不同。

使用torchvision.io.read_image读取文件，像素介于[0, 1]，回传的数据类型为torch.Tensor。

使用PIL读取文件，像素介于[0, 255]，回传的数据类型为image，须以np.array()转换成NumPy ndarray，才能进行运算，之后，再利用Image.fromarray()转换回Image。

使用scikit-image读取文件，像素介于[0, 1]，回传的数据类型为NumPy ndarray。

（4）先使用PIL读取文件，测试自行书写的数字。

执行结果：准确率为100%。

（5）使用scikit-image读取文件，测试自行书写的数字。

执行结果：预测结果相同。

（6）自定义数据集：可与训练数据采取一致的转换，不易出错。若是以次目录名称为标注，可直接使用torchvision.datasets.ImageFolder，不必自定义数据集。

（7）使用自定义数据集预测。

执行结果：准确率为100%。

（8）验证：修改test函数，显示每一笔数据的实际值与预测值。

执行结果：

tensor([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

tensor([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], device=’cuda:0’)

范例2.单色图像结果非常完美，我们进一步编写书写接口，试试看模型是否可以派上用场。

程序： cnn_desktop\main.py 。

（1）先复制【06_05_Data_Augmentation_MNIST.ipynb】程序产生的cnn_augmentation_model.pt模型至本程序所在目录。

（2）载入套件。

（3）加载模型。

（4）预测。

（5）复制模型结构，会发现使用Functional API的Class也需放入程序中，才能顺利使用模型。

（6）窗口接口使用Tkinter，细节请参考程序文件。

（7）执行python main.py：以鼠标书写后，单击“辨识”按钮，辨识结果就会出现在右下文字框中，测试结果非常好。

范例3.接着再试试CIFAR彩色图像的数据增强。

下列程序代码请参考【06_06_Data_Augmentation_CIFAR.ipynb】。

（1）数据转换加上水平翻转(RandomHorizontalFlip)、随机裁切(RandomCrop)，其他转换也可以添加，不过CIFAR图像分辨率过低，而且侦测的对象均占满整个图片，因此添加其他转换似乎并无太大帮助。

（2）改用CIFAR数据集。

（3）训练模型：发现添加转换后，一个训练周期的数据量仍然是50000笔，并未增加，也就是产生了更多样化的数据，但并未随同原来的训练数据一起被取出训练，只是以转换后的增强数据取代原数据，因此，笔者增加训练周期(10 → 20)，以增加数据被广泛抽中的概率，同时也调小学习率，希望以更小的步幅寻求最佳解。

执行结果：观察下图，损失尚未收敛，准确率为49.34%，反而下降了，原因应该是背景过于复杂、训练数据不足，就算再多的转换也无济于事。

笔者在网络上搜寻其他先进的做法，发现两篇文章可供参考：

（1） PyTorch Implementation of CIFAR-10 Image Classification Pipeline Using VGG Like Network ^[5] ，较复杂的VGG模型(后续会介绍)，使用数据增强，分别训练40/80/120/160/300周期，发现训练160周期后，准确率可达90%以上，如再训练更多周期，则会产生过度拟合的现象，即验证数据的准确率会背离训练的准确率，如下图。

（2） How Data Augmentation Improves your CNN performance? ^[6] 一文使用ResNet模型(后续会介绍)，训练15周期，未使用数据增强，准确率可达75%；使用数据增强，准确率可达83%。

从以上的试验可知，数据增强并不重要，较复杂的模型及更多训练周期，才是提高CIFAR辨识准确率的关键因素。

TensorFlow提供的数据增强功能效果比较明显，读者可以比较看看，另外还有其他的函数库，提供更多的数据增强效果，比如Albumentations ^[7] ，包含的类型多达70种，很多都是TensorFlow/PyTorch所没有的效果，例如下图的颜色数据增强。 zGCwyoYq4Rdw6DqqEjNHbv5PyEn/n93OnOntvRsCpWImRsc9XGI3KtDFQA+Jy/J/