图像分割的「奇技淫巧」

本文转载自机器之心。

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。
       本文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；

  • 尝试不同的批大小；

  • 使用带有动量项的SDG,并且手动设置学习衰减率；
  • 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 Kears 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 sample）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。

 

posted on 2020-05-03 15:30  Hebye  阅读(3881)  评论(0)  编辑  收藏  举报

导航