在参加了39场Kaggle比赛之后,有人总结了一份图像分割炼丹的「奇技淫巧」

​一个经历了 39 场 Kaggle 比赛的团队在 reddit 上发帖表示,他们整理了一份结构化的图像分割技巧列表,涵盖数据增强、建模、损失函数、训练技巧等多个方面,不失为一份可以参考的图像分割技巧资料。


图像分割是图像处理和计算机视觉的热点之一,是根据图像内容对指定区域进行标记的计算机视觉任务。它基于某些标准将输入图像划分为多个相同的类别,简言之就是「这张图片里有什么,其在图片中的位置是什么?」以便提取人们感兴趣的区域。图像分割是图像分析和图像特征提取及识别的基础。

图像分割也是 Kaggle 中的一类常见赛题,比如卫星图像分割与识别、气胸疾病图像分割等。除了密切的团队配合、给力的 GPU 配置等条件,技巧在这类比赛中也发挥了很大的作用。但这些技巧去哪里找呢?Medium、大牛博客、参赛经验帖中都散落着各种技巧分享,但这些资源往往比较零散,于是就有人想到,为什么不把它们集中到一起呢?

Derrick Mwiti 就带头做了这么一件事,他和他所在的团队将过去 39 场 Kaggle 比赛中讨论过的图像分割技巧、资料都汇总到了一起,希望可以帮到在图像分割任务中遇到困难的同学。

这份列表分为十大板块,包括外部数据、预处理、数据增强、建模、硬件配置、损失函数、训练技巧、评估和交叉验证、集成方法以及后处理。


每个版块的具体内容以条目的形式呈现,每个条目又都嵌入了一些链接,点开可以看到一些优秀的 Kaggle 解决方案分享、Medium 博客教程、高赞的 GitHub 项目等,读者可以根据自己的具体问题和需要进行查找。

机器之心选取了其中一部分内容进行介绍,具体细节及链接请参见原文。

接下来,我们来看每个步骤都有哪些技巧吧。

预处理

这一部分包含众多常见的有效图像预处理方法,例如:

  • 使用高斯差分方法进行斑点检测;

  • 使用基于图像块的输入进行训练,以减少训练时间;

  • 加载数据时,用 cudf 替换 Pandas;

  • 确保所有图像保持相同的方向;

  • 使用 OpenCV 对所有常规图像进行预处理;

  • 采用自主学习并手动添加注释;

  • 将所有图像调整成相同的分辨率,以便将相同的模型用于不同厚度的扫描等。


数据增强

数据增强能够使网络具有更复杂的表征能力,从而减小网络性能在验证集和训练集以及最终测试集上的差距,让网络更好地学习迁移数据集上的数据分布。这部分介绍了一些常用的数据增强方法:

  • 用 albumentations 包进行数据增强;

  • 使用 90 度随机旋转;

  • 使用水平、垂直翻转或这两个方向都做翻转;

  • 尝试进行复杂的几何变换,包括弹性变换、透视变换、分段仿射变换、枕形失真;

  • 应用随机 HSV;

  • 使用损失较小的增强数据进行泛化,以防止有用图像信息丢失;

  • 应用通道 shuffle;

  • 根据类别频率进行数据扩充;

  • 应用高斯噪声等。


建模

网络架构

这一部分介绍了一些可用在图像分割上的常用网络框架,例如:

  • 使用基于 U-net 的架构;

  • 用 inception-ResNet v2 架构得到具备不同感受野的训练特征;

  • 经过对抗训练的 Siamese 网络;

  • 以密集(FC)层作为最后一层的 ResNet50、Xception、Inception ResNet v2 x 5;

  • 使用全局最大池化层,无论输入尺寸如何,该层都将返回固定长度的输出;

  • 使用堆叠的膨胀卷积;

  • VoxelNet;

  • 用 concat 和 conv1x1 替换 LinkNet 跳跃连接中的加号;

  • 广义平均池化;

  • 用 3D 卷积网络在图像上滑动;

  • 使用在 Imagenet 数据集上预训练的 ResNet152 作为特征提取器等。


以及下列经典网络框架:

损失函数

损失函数常用来估计模型预测结果与真值之间的差距。选择合适的损失函数,对模型效果很重要。

这部分介绍了一系列损失函数和使用场景,例如:

  • dice 系数:能够很好地处理不平衡数据;

  • 加权边界损失:减少预测分割与真值之间的距离;

  • MultiLabelSoftMarginLoss:基于最大熵优化多标签一对多损失的标准;

  • 具备 logit 损失的平衡交叉熵(Balanced cross entropy,BCE):以特定系数权衡正例和负例;

  • ……


此外,作者还介绍了 Arc margin 损失、BCE 和 dice 系数的组合等等,更多详情参见原文。

训练技巧

这部分介绍了常用的模型训练技巧,如:

  • 尝试不同的学习率;

  • 尝试不同批大小;

  • 使用带有动量项的 SDG,并且手动设置学习率衰减;

  • 数据增强过多会降低准确率;

  • 使用裁剪后的图像训练,并在完整的图像上做预测;

  • 在学习速率调整上使用 Keras 中的 ReduceLROnPlateau() 方法;

  • 冻结除了最后一层以外所有的网络层,并使用 Stage1 中的 1000 张图片进行模型微调;

  • 开发一个能使标签更加均匀的采样器;

  • 使用类别感知采样(class aware sampling)等。


评估和交叉验证

这部分介绍了 k 折交叉验证、对抗验证和权衡等方法,以及在调整模型最后一层时使用交叉验证方法以有效避免过拟合



集成方法

许多机器学习竞赛(包括 Kaggle)中最优秀的解决方案所采用的集成方法都建立在一个这样的假设上:将多个模型组合在一起通常可以产生更强大的模型。

这部分介绍了多种集成方法,如多数投票法、XGBoost、LightGBM、CatBoost 等方法,以及集成 ResNet50、InceptionV3 和 InceptionResNetV2 的方法。


后处理

这部分介绍了多种后处理方法:

  • 测试时增强(Test Time Augmentation,TTA):向模型多次展示经过不同随机变换的图像,取预测平均值;

  • 均衡使用测试预测概率,而不是仅使用预测类;

  • 将几何平均数应用于预测;

  • 在推理过程中将图块重叠,使每个边缘像素至少覆盖 3 次,因为 UNET 在边缘区域范围的预测往往较差;

  • 非极大抑制和边界框收缩;

  • 分水岭后处理:在实例分割问题中分离对象。


最后需要注意的是,这份列表给出的某些技巧可能有一定的适用范围,具体能不能用还要视数据而定。


资源链接:https://neptune.ai/blog/image-segmentation-tips-and-tricks-from-kaggle-competitions?utm_source=reddit&utm_medium=post&utm_campaign=blog-image-segmentation-tips-and-tricks-from-kaggle-competitions

参考链接:https://www.reddit.com/r/MachineLearning/comments/g1okir/d_we_are_putting_together_a_list_of_image/
入门图像分割Kaggle
4
相关数据
过拟合技术

过拟合是指为了得到一致假设而使假设变得过度严格。避免过拟合是分类器设计中的一个核心任务。通常采用增大数据量和测试样本集的方法对分类器性能进行评价。

交叉验证技术

交叉验证,有时亦称循环估计, 是一种统计学上将数据样本切割成较小子集的实用方法。于是可以先在一个子集上做分析, 而其它子集则用来做后续对此分析的确认及验证。 一开始的子集被称为训练集。而其它的子集则被称为验证集或测试集。交叉验证的目标是定义一个数据集到“测试”的模型在训练阶段,以便减少像过拟合的问题,得到该模型将如何衍生到一个独立的数据集的提示。

XGBoost技术

XGBoost是一个开源软件库,为C ++,Java,Python,R,和Julia提供了渐变增强框架。 它适用于Linux,Windows,MacOS。从项目描述来看,它旨在提供一个“可扩展,便携式和分布式的梯度提升(GBM,GBRT,GBDT)库”。 除了在一台机器上运行,它还支持分布式处理框架Apache Hadoop,Apache Spark和Apache Flink。 由于它是许多机器学习大赛中获胜团队的首选算法,因此它已经赢得了很多人的关注。

仿射变换技术

仿射变换,又称仿射映射,是指在几何中,一个向量空间进行一次线性变换并接上一个平移,变换为另一个向量空间。 一个对向量平移,与旋转放大缩小的仿射映射为 上式在齐次坐标上,等价于下面的式子 在分形的研究里,收缩平移仿射映射可以制造制具有自相似性的分形

推荐文章
暂无评论
暂无评论~