谷歌大脑开源「数据增强」新招数：ImageNet准确率达85%，大神Quoc Le出品

十三 2019-11-20 12:59:47 来源：量子位

十三 发自 凹非寺
量子位 报道 | 公众号 QbitAI

你的数据还不够强。

玩深度学习的人都知道，AI算法大部分是数据驱动。数据的质量一定程度上决定了模型的好坏。

这就有了深度学习天生的一个短板：数据不够多、不够好。

而数据增强就是解决这一问题的有效办法。

谷歌大脑去年提出了自动数据增强方法(AutoAugment)，确实对图像分类和目标检测等任务带来了益处。

但缺点也是明显的：

1、大规模采用这样的方法会增加训练复杂性、加大计算成本；

2、无法根据模型或数据集大小调整正则化强度。

于是乎，谷歌大脑团队又提出了一种数据增强的方法——RandAugment。

这个方法有多好？

谷歌大脑高级研究科学家Barret Zoph表示：

RandAugment是一种新的数据增强方法，比AutoAugment简单又好用。

主要思想是随机选择变换，调整它们的大小。

最后的实验结果表明：

1、在ImageNet数据集上，实现了85.0%的准确率，比以前的水平提高了0.6%，比基线增强了1.0%。

2、在目标检测方面，RandAugment能比基线增强方法提高1.0-1.3%。

值得一提的是，这项研究的通讯作者是谷歌AutoML幕后英雄的Quoc Viet Le大神。

△Quoc Viet Le

这么好的技术当然开源了代码：
https://github.com/tensorflow/tpu/blob/master/models/official/efficientnet/autoaugment.py

RandAugment是怎么做到的？

正如刚才说到的，单独搜索是问题的关键点。

所以研究人员的目标就是消除数据增强过程中对单独搜索的需求。

再考虑到以往数据增强方法都包含30多个参数，团队也将关注点转移到了如何大幅减少数据增强的参数空间。

为了减少参数空间的同时保持数据(图像)的多样性，研究人员用无参数过程替代了学习的策略和概率。

这些策略和概率适用于每次变换(transformation)，该过程始终选择均匀概率为1/k的变换。

也就是说，给定训练图像的N个变换，RandAugment就能表示KN个潜在策略。

最后，需要考虑到的一组参数是每个增强失真(augmentation distortion)的大小。

研究人员采用线性标度来表示每个转换的强度。简单来说，就是每次变换都在0到10的整数范围内，其中，10表示给定变换的最大范围。

为了进一步缩小参数空间，团队观察到每个转换的学习幅度(learned magnitude)在训练期间遵循类似的表：

并假设一个单一的全局失真M(global distortion M)可能就足以对所有转换进行参数化。

这样，生成的算法便包含两个参数N和M，还可以用两行Python代码简单表示：

△基于numpy的RandAugment Python代码

因为这两个参数都是可人为解释的，所以N和M的值越大，正则化强度就越大。

可以使用标准方法高效地进行超参数优化，但是考虑到极小的搜索空间，研究人员发现朴素网格搜索(naive grid search)是非常有效的。

实验结果

在实验部分，主要围绕图像分类和目标检测展开。

研究人员较为关注的数据集包括：CIFAR-10、CIFAR-100、SVHN、ImageNet以及COCO。

这样就可以与之前的工作做比较，证明RandAugment在数据增强方面的优势。

数据增强的一个前提是构建一个小的代理任务(proxy task)，这个任务可以反映一个较大的任务。

研究人员挑战了这样一个假设：

用小型proxy task来描述问题适合于学习数据的增强。

特别地，从两个独立的维度来探讨这个问题，这两个维度通常被限制为实现小型proxy task：模型大小和数据集大小。

为了探究这一假设，研究人员系统地测量了数据增强策略对CIFAR-10的影响。结果如下图所示：

△最优增强量取决于模型和训练集的大小。

其中：

图(a)表示Wide-ResNet-28-2，Wide-ResNet-28-7和Wide-ResNet-28-10在各种失真幅度(distortion magnitude)下的精度。

图(b)表示在7种Wide-ResNet-28架构中，随着变宽参数(k)的变化，所产生的最佳失真幅度。

图(c)表示Wide-ResNet-28-10的三种训练集大小（1K，4K和10K）在各种失真幅度上的准确性。

图(d)在8个训练集大小上的最佳失真幅度。

△在CIFAR-10、CIFAR-100、SVHN(core set)和SVHN上的测试精度(％)。

其中，baseline是默认的数据增强方法。

PBA：Population Based Augmentation；
Fast AA：Fast AutoAugment；
AA：AutoAugment；
RA：RandAugment。

但值得注意点的是，改进CIFAR-10和SVHN模型的数据增强方法并不总是适用于ImageNet等大规模任务。

同样地，AutoAugment在ImageNet上的性能提升也不如其他任务。

下表比较了在ImageNet上RandAugment和其他增强方法的性能。

△ImageNet结果。

在最小的模型(ResNet-50)上，RandAugment的性能与AutoAugment和Fast AutoAugment相似，但在较大的模型上，RandAugment的性能显著优于其他方法，比基线提高了1.3%。

为了进一步测试这种方法的通用性，研究人接下来在COCO数据集上进行了大规模目标检测的相关任务。

△目标检测结果。

COCO目标检测任务的平均精度均值(Mean average precision，mAP)。数值越高，结果越好。

下一步工作

我们知道数据增强可以提高预测性能，例如图像分割，3-D感知，语音识别或音频识别。

研究人员表示，未来的工作将研究这种方法将如何应用于其他机器学习领域。

特别是希望更好地了解数据集或任务是否/何时可能需要单独的搜索阶段才能获得最佳性能。

最后，研究人员还抛出了一个悬而未决的问题：

如何针对给定的任务定制一组转换，进一步提高给定模型的预测性能。

对此，你又什么想法？

传送门

论文地址：
https://arxiv.org/pdf/1909.13719.pdf

GitHub地址：
https://github.com/tensorflow/tpu/blob/master/models/official/efficientnet/autoaugment.py