使用 RandAugment 进行图像分类以提高鲁棒性
作者： Sayak PaulSachin Prasad
创建日期 2021/03/13
最后修改 2023/12/12
描述： RandAugment 用于训练图像分类模型，以提高鲁棒性。
数据增强是一种非常有用的技术，可以帮助提高卷积神经网络 (CNN) 的平移不变性。RandAugment 是一种用于视觉数据的随机数据增强例程，在RandAugment：使用缩减的搜索空间进行实用的自动化数据增强中提出。它由强大的增强转换组成，例如颜色抖动、高斯模糊、饱和度等，以及更传统的增强转换，例如随机裁剪。
这些参数针对给定的数据集和网络架构进行了调整。RandAugment 的作者还在原始论文（图 2）中提供了 RandAugment 的伪代码。
最近，它已成为噪声学生训练和用于一致性训练的无监督数据增强等工作的关键组成部分。它也是EfficientNets成功的原因之一。
pip install keras-cv
导入 & 设置
import os
os.environ["KERAS_BACKEND"] = "tensorflow"
import keras
import keras_cv
from keras import ops
from keras import layers
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
import tensorflow_datasets as tfds
tfds.disable_progress_bar()
keras.utils.set_random_seed(42)
加载 CIFAR10 数据集
在此示例中，我们将使用 CIFAR10 数据集。
(x_train, y_train), (x_test, y_test) = keras.datasets.cifar10.load_data()
print(f"Total training examples: {len(x_train)}")
print(f"Total test examples: {len(x_test)}")
Total training examples: 50000
Total test examples: 10000
定义超参数
AUTO = tf.data.AUTOTUNE
BATCH_SIZE = 128
EPOCHS = 1
IMAGE_SIZE = 72
初始化 RandAugment 对象
现在，我们将使用 RandAugment 作者建议的参数，从 imgaug.augmenters 模块初始化一个 RandAugment 对象。
rand_augment = keras_cv.layers.RandAugment(
value_range=(0, 255), augmentations_per_image=3, magnitude=0.8
)
创建 TensorFlow Dataset 对象
train_ds_rand = (
tf.data.Dataset.from_tensor_slices((x_train, y_train))
.shuffle(BATCH_SIZE * 100)
.batch(BATCH_SIZE)
.map(
lambda x, y: (tf.image.resize(x, (IMAGE_SIZE, IMAGE_SIZE)), y),
num_parallel_calls=AUTO,
)
.map(
lambda x, y: (rand_augment(tf.cast(x, tf.uint8)), y),
num_parallel_calls=AUTO,
)
.prefetch(AUTO)
)
test_ds = (
tf.data.Dataset.from_tensor_slices((x_test, y_test))
.batch(BATCH_SIZE)
.map(
lambda x, y: (tf.image.resize(x, (IMAGE_SIZE, IMAGE_SIZE)), y),
num_parallel_calls=AUTO,
)
.prefetch(AUTO)
)
为了进行比较，我们还定义了一个简单的增强管道，包括随机翻转、随机旋转和随机缩放。
simple_aug = keras.Sequential(
[
layers.Resizing(IMAGE_SIZE, IMAGE_SIZE),
layers.RandomFlip("horizontal"),
layers.RandomRotation(factor=0.02),
layers.RandomZoom(height_factor=0.2, width_factor=0.2),
]
)
# Now, map the augmentation pipeline to our training dataset
train_ds_simple = (
tf.data.Dataset.from_tensor_slices((x_train, y_train))
.shuffle(BATCH_SIZE * 100)
.batch(BATCH_SIZE)
.map(lambda x, y: (simple_aug(x), y), num_parallel_calls=AUTO)
.prefetch(AUTO)
)
可视化使用 RandAugment 增强的数据集
sample_images, _ = next(iter(train_ds_rand))
plt.figure(figsize=(10, 10))
for i, image in enumerate(sample_images[:9]):
ax = plt.subplot(3, 3, i + 1)
plt.imshow(image.numpy().astype("int"))
plt.axis("off")
建议您多次运行上面的代码块，以查看不同的变化。
可视化使用 simple_aug 增强的数据集
sample_images, _ = next(iter(train_ds_simple))
plt.figure(figsize=(10, 10))
for i, image in enumerate(sample_images[:9]):
ax = plt.subplot(3, 3, i + 1)
plt.imshow(image.numpy().astype("int"))
plt.axis("off")
定义模型构建实用函数
现在，我们定义一个基于ResNet50V2 架构的 CNN 模型。另外，请注意，该网络内部已经有一个重新缩放层。这消除了对数据集进行任何单独预处理的需要，并且对于部署目的特别有用。
def get_training_model():
resnet50_v2 = keras.applications.ResNet50V2(
weights=None,
include_top=True,
input_shape=(IMAGE_SIZE, IMAGE_SIZE, 3),
classes=10,
)
model = keras.Sequential(
[
layers.Input((IMAGE_SIZE, IMAGE_SIZE, 3)),
layers.Rescaling(scale=1.0 / 127.5, offset=-1),
resnet50_v2,
]
)
return model
get_training_model().summary()
Model: "sequential_1"
┏━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━┓ ┃ Layer (type) ┃ Output Shape ┃ Param # ┃ ┡━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━┩ │ rescaling (Rescaling) │ (None, 72, 72, 3) │ 0 │ ├─────────────────────────────────┼───────────────────────────┼────────────┤ │ resnet50v2 (Functional) │ (None, 10) │ 23,585,290 │ └─────────────────────────────────┴───────────────────────────┴────────────┘
Total params: 23,585,290 (89.97 MB)
Trainable params: 23,539,850 (89.80 MB)
Non-trainable params: 45,440 (177.50 KB)
我们将使用两个不同版本的数据集训练此网络
- 一个使用 RandAugment 增强。
- 另一个使用
simple_aug增强。
由于已知 RandAugment 可以增强模型对常见扰动和损坏的鲁棒性，我们还将在 CIFAR-10-C 数据集上评估我们的模型，该数据集在 Hendrycks 等人的基准测试神经网络对常见损坏和扰动的鲁棒性中提出。CIFAR-10-C 数据集包含 19 种不同的图像损坏和扰动（例如散斑噪声、雾、高斯模糊等），且严重程度各不相同。在此示例中，我们将使用以下配置：cifar10_corrupted/saturate_5。此配置中的图像如下所示
为了保证可重现性，我们将序列化浅层网络的初始随机权重。
initial_model = get_training_model()
initial_model.save_weights("initial.weights.h5")
使用 RandAugment 训练模型
rand_aug_model = get_training_model()
rand_aug_model.load_weights("initial.weights.h5")
rand_aug_model.compile(
loss="sparse_categorical_crossentropy", optimizer="adam", metrics=["accuracy"]
)
rand_aug_model.fit(train_ds_rand, validation_data=test_ds, epochs=EPOCHS)
_, test_acc = rand_aug_model.evaluate(test_ds)
print("Test accuracy: {:.2f}%".format(test_acc * 100))
391/391 ━━━━━━━━━━━━━━━━━━━━ 1146s 3s/step - accuracy: 0.1677 - loss: 2.3232 - val_accuracy: 0.2818 - val_loss: 1.9966
79/79 ━━━━━━━━━━━━━━━━━━━━ 39s 489ms/step - accuracy: 0.2803 - loss: 2.0073
Test accuracy: 28.18%
使用 simple_aug 训练模型
simple_aug_model = get_training_model()
simple_aug_model.load_weights("initial.weights.h5")
simple_aug_model.compile(
loss="sparse_categorical_crossentropy", optimizer="adam", metrics=["accuracy"]
)
simple_aug_model.fit(train_ds_simple, validation_data=test_ds, epochs=EPOCHS)
_, test_acc = simple_aug_model.evaluate(test_ds)
print("Test accuracy: {:.2f}%".format(test_acc * 100))
391/391 ━━━━━━━━━━━━━━━━━━━━ 1132s 3s/step - accuracy: 0.3673 - loss: 1.7929 - val_accuracy: 0.4789 - val_loss: 1.4296
79/79 ━━━━━━━━━━━━━━━━━━━━ 39s 494ms/step - accuracy: 0.4762 - loss: 1.4368
Test accuracy: 47.89%
加载 CIFAR-10-C 数据集并评估性能
# Load and prepare the CIFAR-10-C dataset
# (If it's not already downloaded, it takes ~10 minutes of time to download)
cifar_10_c = tfds.load("cifar10_corrupted/saturate_5", split="test", as_supervised=True)
cifar_10_c = cifar_10_c.batch(BATCH_SIZE).map(
lambda x, y: (tf.image.resize(x, (IMAGE_SIZE, IMAGE_SIZE)), y),
num_parallel_calls=AUTO,
)
# Evaluate `rand_aug_model`
_, test_acc = rand_aug_model.evaluate(cifar_10_c, verbose=0)
print(
"Accuracy with RandAugment on CIFAR-10-C (saturate_5): {:.2f}%".format(
test_acc * 100
)
)
# Evaluate `simple_aug_model`
_, test_acc = simple_aug_model.evaluate(cifar_10_c, verbose=0)
print(
"Accuracy with simple_aug on CIFAR-10-C (saturate_5): {:.2f}%".format(
test_acc * 100
)
)
Downloading and preparing dataset 2.72 GiB (download: 2.72 GiB, generated: Unknown size, total: 2.72 GiB) to /home/sachinprasad/tensorflow_datasets/cifar10_corrupted/saturate_5/1.0.0...
Dataset cifar10_corrupted downloaded and prepared to /home/sachinprasad/tensorflow_datasets/cifar10_corrupted/saturate_5/1.0.0. Subsequent calls will reuse this data.
Accuracy with RandAugment on CIFAR-10-C (saturate_5): 30.36%
Accuracy with simple_aug on CIFAR-10-C (saturate_5): 37.18%
为了本示例的目的，我们仅对模型训练了一个 epoch。在 CIFAR-10-C 数据集上，使用 RandAugment 的模型可以获得更高的准确性（例如，在一次实验中为 76.64%），而使用 simple_aug 训练的模型则较低（例如，64.80%）。RandAugment 还可以帮助稳定训练。
在笔记本中，您可能会注意到，以增加 RandAugment 的训练时间为代价，我们能够在 CIFAR-10-C 数据集上获得更好的性能。您可以在使用 CIFAR-10-C 数据集时尝试其他损坏和扰动设置，看看 RandAugment 是否有帮助。
您还可以尝试使用 RandAugment 对象中不同的 n 和 m 值。在原始论文中，作者展示了针对特定任务的各个增强转换的影响以及一系列消融研究。欢迎您查阅这些内容。
如Noisy Student Training 和 FixMatch 等研究所示，RandAugment 在提高计算机视觉深度模型的鲁棒性方面取得了巨大进展。这使得 RandAugment 成为训练不同视觉模型非常有用的方法。
您可以使用托管在 Hugging Face Hub 上的训练模型，并在 Hugging Face Spaces 上尝试演示。