圖像分類：來自13個Kaggle項目的經(jīng)驗總結(jié)

任何領(lǐng)域的成功都可以歸結(jié)為一套小規(guī)則和基本原則，當(dāng)它們結(jié)合在一起時會產(chǎn)生偉大的結(jié)果。

機器學(xué)習(xí)和圖像分類也不例外，工程師們可以通過參加像Kaggle這樣的競賽來展示最佳實踐。

在這篇文章中，我將給你很多資源來學(xué)習(xí)，聚焦于從13個Kaggle比賽中挑選出的最好的Kaggle kernel。這些比賽是:

• Intel Image Classification：https://www.kaggle.com/puneet6060/intel-image-classification
• Recursion Cellular Image Classification：https://www.kaggle.com/c/recursion-cellular-image-classification
• SIIM-ISIC Melanoma Classification：https://www.kaggle.com/c/siim-isic-melanoma-classification
• APTOS 2019 Blindness Detection：https://www.kaggle.com/c/aptos2019-blindness-detection/notebooks
• Diabetic Retinopathy Detection：https://www.kaggle.com/c/diabetic-retinopathy-detection
• ML Project?—?Image Classification：https://www.kaggle.com/c/image-classification-fashion-mnist/notebooks
• Cdiscount’s Image Classification Challenge：https://www.kaggle.com/c/cdiscount-image-classification-challenge/notebooks
• Plant seedlings classifications：https://www.kaggle.com/c/plant-seedlings-classification/notebooks
• Aesthetic Visual Analysis：https://www.kaggle.com/c/aesthetic-visual-analysis/notebooks

我們會討論調(diào)試深度學(xué)習(xí)解決方案的三個主要方面：

• 數(shù)據(jù)
• 模型
• 損失函數(shù)

還有很多例子項目(和參考資料)供你參考。

數(shù)據(jù)

圖像預(yù)處理 + EDA

每一個機器學(xué)習(xí)/深度學(xué)習(xí)解決方案都從原始數(shù)據(jù)開始。在數(shù)據(jù)處理管道中有兩個基本步驟。

第一步是探索性數(shù)據(jù)分析?(EDA)。它幫助我們分析整個數(shù)據(jù)集并總結(jié)它的主要特征，比如類分布、大小分布等等。通常使用可視化方法來顯示這種分析的結(jié)果。

第二步是圖像預(yù)處理，目的是對原始圖像提高圖像數(shù)據(jù)(也稱為圖像特征)的質(zhì)量，通過抑制不必要的扭曲，縮放，增強重要的特征，使數(shù)據(jù)更適合模型并提高性能。

你可以鉆研這些Kaggle筆記本，看看一些圖像預(yù)處理技術(shù)：

• Visualisation：https://www.kaggle.com/allunia/protein-atlas-exploration-and-baseline#Building-a-baseline-model-
• Dealing with Class imbalance：https://www.kaggle.com/rohandeysarkar/ultimate-image-classification-guide-2020
• Fill missing values (labels, features and, etc.)：https://www.kaggle.com/datafan07/analysis-of-melanoma-metadata-and-effnet-ensemble
• Normalisation?：https://www.kaggle.com/vincee/intel-image-classification-cnn-keras
• Pre-processing：https://www.kaggle.com/ratthachat/aptos-eye-preprocessing-in-diabetic-retinopathy#3.A-Important-Update-on-Color-Version-of-Cropping-&-Ben's-Preprocessing

數(shù)據(jù)增強

數(shù)據(jù)增強 可以通過從現(xiàn)有的訓(xùn)練樣本中生成更多的訓(xùn)練數(shù)據(jù)來擴(kuò)展我們的數(shù)據(jù)集。通過大量的隨機轉(zhuǎn)換生成新的樣本，這些轉(zhuǎn)換不僅可以生成可信的圖像，而且還反映了真實的場景 —— 稍后將對此進(jìn)行詳細(xì)介紹。

這種技術(shù)得到了廣泛的應(yīng)用，不僅僅是在訓(xùn)練模型的數(shù)據(jù)樣本太少的情況下。在這種情況下，模型開始記憶訓(xùn)練集，但無法泛化(在從未見過的數(shù)據(jù)上表現(xiàn)很差)。

通常，當(dāng)一個模型在訓(xùn)練數(shù)據(jù)上表現(xiàn)很好，但在驗證數(shù)據(jù)上表現(xiàn)很差時，我們稱之為過擬合。為了解決這個問題，我們通常會嘗試獲取新數(shù)據(jù)，如果沒有可用的新數(shù)據(jù)，則可以使用數(shù)據(jù)增強。

注：一般的經(jīng)驗法則是始終使用數(shù)據(jù)增強技術(shù)，因為它有助于使我們的模型見識更多的變化并更好地泛化。即使我們有一個很大的數(shù)據(jù)集，也要使用數(shù)據(jù)增強，但這是以較慢的訓(xùn)練速度為代價的，因為增強是在線完成的(即在訓(xùn)練期間)。

此外，對于每個任務(wù)或數(shù)據(jù)集，我們必須使用反映可能的現(xiàn)實場景的增強技術(shù)(例如，如果我們有一個貓/狗探測器，我們可以使用水平翻轉(zhuǎn)、剪裁、亮度和對比度，因為這些增強匹配不同的照片拍攝方式。

這里是一些Kaggle比賽notebooks，你可以查看流行的數(shù)據(jù)增強技術(shù)：

• Horizontal Flip：https://www.kaggle.com/datafan07/analysis-of-melanoma-metadata-and-effnet-ensemble
• Random Rotate and Random Dihedral：https://www.kaggle.com/iafoss/pretrained-resnet34-with-rgby-0-460-public-lb
• Hue, Saturation, Contrast, Brightness, Crop：https://www.kaggle.com/cdeotte/triple-stratified-kfold-with-tfrecords
• Colour jitter：https://www.kaggle.com/nroman/melanoma-pytorch-starter-efficientnet

模型

開發(fā)一個基線

在這里，我們使用一個非常簡單的架構(gòu)創(chuàng)建一個基本的模型，沒有任何正則化或dropout層，看看我們是否能超過50%的準(zhǔn)確率基線。盡管我們不可能總能達(dá)到這個目標(biāo)，但如果我們在嘗試了多種合理的架構(gòu)后不能超過基線，那么輸入數(shù)據(jù)可能不包含模型進(jìn)行預(yù)測所需的信息。

用Jeremy Howard的名言：

“你應(yīng)該能夠在15分鐘內(nèi)使用50%或更少的數(shù)據(jù)集快速測試你是否正在朝著一個有希望的方向前進(jìn)，如果沒有，你必須重新考慮一切?！?/span>

開發(fā)一個足夠大可以過擬合的模型

一旦我們的基線模型有足夠的能力超過基線分?jǐn)?shù)，我們就可以增加基線模型的能力，直到它在數(shù)據(jù)集上過擬合為止，然后我們就開始應(yīng)用正則化。我們可以通過以下方式增加模塊容量：

• 添加更多層
• 使用更好的結(jié)構(gòu)
• 更完善的訓(xùn)練流程

結(jié)構(gòu)

根據(jù)文獻(xiàn)，以下架構(gòu)的改進(jìn)提高了模型的容量，但幾乎沒有改變計算復(fù)雜度。

• Residual Networks
• Wide Residual Networks
• Inception
• EfficientNet
• Swish activation
• Residual Attention Network

大多數(shù)時候，模型容量和精度是正相關(guān)的 —— 隨著容量的增加，精度也會增加，反之亦然。

訓(xùn)練過程

下面是一些你可以用來調(diào)整你的模型的訓(xùn)練過程，通過實例項目來看看它們是如何工作的：

• Mixed-Precision Training
• Large Batch-Size Training
• Cross-Validation Set
• Weight Initialization
• Self-Supervised Training (Knowledge Distillation)
• Learning Rate Scheduler
• Learning Rate Warmup
• Early Stopping
• Differential Learning Rates
• Ensemble
• Transfer Learning
• Fine-Tuning

超參數(shù)調(diào)試

與參數(shù)不同，hyperparameters是由你在配置模型時指定的(即學(xué)習(xí)率、epoch的數(shù)量、hidden units的數(shù)量、batch size大小等)。

你可以通過使用hyperparameter調(diào)優(yōu)庫，比如Scikit learn Grid Search，Keras Tuner來自動化這個過程，而不是去手動配置。這些庫會在你指定的范圍內(nèi)嘗試所有的hyperparameter組合，返回表現(xiàn)最好的模型。

需要調(diào)優(yōu)的超參數(shù)越多，過程就越慢，因此最好選擇模型超參數(shù)的最小子集進(jìn)行調(diào)優(yōu)。

并不是所有的模型超參數(shù)都同樣重要。一些超參數(shù)會對機器學(xué)習(xí)算法的行為產(chǎn)生巨大的影響，進(jìn)而影響其性能。你應(yīng)該小心地選擇那些對模型性能影響最大的參數(shù)，并對它們進(jìn)行調(diào)優(yōu)以獲得最佳性能。

正則化

這種方法迫使模型學(xué)習(xí)有意義和具有泛化能力的數(shù)據(jù)表示，通過對記憶/過擬合和欠擬合進(jìn)行懲罰來實現(xiàn)，使模型對于它沒見過的數(shù)據(jù)更魯棒。

解決上述問題的一個簡單方法是獲得更多的訓(xùn)練數(shù)據(jù)，因為一個模型訓(xùn)練的數(shù)據(jù)越多，自然就會泛化得越好。

這里有一些技巧你可以試著減輕過擬合和欠擬合，項目如下：

• Adding Dropout：https://www.kaggle.com/allunia/protein-atlas-exploration-and-baseline
• Adding or changing the position of Batch Norm：https://www.kaggle.com/allunia/protein-atlas-exploration-and-baseline
• Data augmentation：https://www.kaggle.com/cdeotte/triple-stratified-kfold-with-tfrecords
• Mixup：https://arxiv.org/abs/1710.09412
• Weight regularization：https://www.kaggle.com/allunia/protein-atlas-exploration-and-baseline
• Gradient clipping：https://www.kaggle.com/allunia/protein-atlas-exploration-and-baseline

損失函數(shù)

損失函數(shù)也被稱為成本函數(shù)或目標(biāo)函數(shù)，用于查找目標(biāo)輸出的模型之間的差異，并幫助模型最小化它們之間的距離。

這里是一些最流行的損失函數(shù)，與項目實例，你會發(fā)現(xiàn)一些技巧，以提高你的模型的能力：

• Label smoothing
• Focal loss
• SparseMax loss and Weighted cross-entropy
• BCE loss, BCE with logits loss and Categorical cross-entropy loss
• Additive Angular Margin Loss for Deep Face Recognition

評估 + 錯誤分析

在這里，我們做消融研究，并分析我們的實驗結(jié)果。我們確定了我們的模型的弱點和長處，并確定了未來需要改進(jìn)的地方。在這個階段，你可以使用以下技術(shù)，并在鏈接的示例中查看它們是如何實現(xiàn)的：

• Tracking metrics and Confusion matrix：https://www.kaggle.com/vincee/intel-image-classification-cnn-keras
• Grad CAM：https://arxiv.org/pdf/1610.02391v1.pdf
• Test Time Augmentation (TTA)：https://www.kaggle.com/iafoss/pretrained-resnet34-with-rgby-0-460-public-lb

有許多實驗跟蹤和管理工具，采取最小設(shè)置為你自動保存所有數(shù)據(jù)，這使消融研究更容易。

最后

有許多方法來調(diào)整你的模型，并且新的想法總是會出現(xiàn)。深度學(xué)習(xí)是一個快速發(fā)展的領(lǐng)域，沒有什么靈丹妙藥。我們必須做很多實驗，足夠的試驗和錯誤會帶來突破。