作者：Harpal Sahota

編譯：ronghuaiyang

導(dǎo)讀

實現(xiàn)了Google Research，Brain Team中的增強策略。

像許多神經(jīng)網(wǎng)絡(luò)模型一樣，目標(biāo)檢測模型在訓(xùn)練大量數(shù)據(jù)時效果最好。通常情況下，可用的數(shù)據(jù)有限，世界各地的許多研究人員正在研究增強策略，以增加可用的數(shù)據(jù)量。谷歌的大腦團(tuán)隊進(jìn)行了一項這樣的研究，并發(fā)表在了一篇論文中，名為Learning Data Augmentation Strategies for Object Detection。在這篇論文中，作者確定了一組增強稱為策略，它對目標(biāo)檢測問題表現(xiàn)良好。該策略通過增強搜索獲得，提高了通用模型的性能。

作者將增強策略定義為一組子策略。在模型進(jìn)行訓(xùn)練時，隨機選擇其中一個子策略用于增強圖像。在每個子策略中都有要依次應(yīng)用于圖像的增強。每個轉(zhuǎn)換也有兩個超參數(shù)：概率和幅度。概率表示該增強將被應(yīng)用的可能性，而幅度表示該增強的程度。下面的代碼顯示了本文中使用的策略：

policy = ［

［（‘TranslateX_BBox’， 0.6， 4）， （‘Equalize’， 0.8， 10）］，

［（‘TranslateY_Only_BBoxes’， 0.2， 2）， （‘Cutout’， 0.8， 8）］，

［（‘Sharpness’， 0.0， 8）， （‘ShearX_BBox’， 0.4， 0）］，

［（‘ShearY_BBox’， 1.0， 2）， （‘TranslateY_Only_BBoxes’， 0.6， 6）］，

［（‘Rotate_BBox’， 0.6， 10）， （‘Color’， 1.0， 6）］，

］

在這個策略中有5個子策略，如果我們?nèi)〉谝粋€子策略，它就包含了TranslateX_BBox和Equalize增強。TranslateX_BBox操作在x軸上轉(zhuǎn)換圖像的幅度為4。在本例中，大小并不直接轉(zhuǎn)換為像素，而是根據(jù)大小縮放為像素值。該增強的概率也為0.6，這意味著如果該增強被選中，則應(yīng)用該增強的概率為60%。

隨著每個增強都有一個相關(guān)的概率，引入了一個隨機的概念，給訓(xùn)練增加了一定程度的隨機性?？偟膩碚f，Brain Team已經(jīng)提出了4個策略： v0， v1， v2和v3。本文中顯示了v0策略，其他三個策略包含更多的子策略，這些子策略具有幾種不同的轉(zhuǎn)換?？偟膩碚f，增加分為三類，作者定義為：

顏色操作： 扭曲顏色通道，不影響邊界框的位置。

幾何操作：幾何扭曲圖像，這相應(yīng)地改變了邊界框的位置和大小。

包圍框操作：只會扭曲包圍框中包含的像素內(nèi)容。

BBAug

那么BBAug）在這方面有什么貢獻(xiàn)呢？BBAug是一個python包，它實現(xiàn)了谷歌Brain Team的所有策略。這個包是一個包裝器，可以更容易地使用這些策略。實際的擴展是由優(yōu)秀的imgaug包完成的。

上面顯示的策略應(yīng)用于一個示例圖像，如下所示。每一行是一個不同的子策略，每一列是該子策略的不同運行。

正如你所看到的，在子策略的運行之間有一定程度的變化，因此給訓(xùn)練增加了一定程度的隨機性。這只是BBAug實施的4個策略之一。要查看所有4個策略的完整可視化，請查看包的GitHub頁面：https://github.com/harpalsahota/bbaug。

該包還提供了一些有用的功能，比如定制策略的可能性，以及位于圖像外部的邊界框，如果它們部分位于圖像外部，則會被自動刪除或剪切。例如，在下面的圖像中，應(yīng)用了平移增強，將邊界框部分推到圖像外部。你可以看到新的邊界框已經(jīng)縮小以適應(yīng)這一點。

也可以創(chuàng)建只影響邊界框區(qū)域的增強。在下圖中，solarisaugmentation只應(yīng)用于邊界框區(qū)域：

用隨機策略增加單個圖像有多容易？就像這樣簡單：

from bbaug import policies

# select policy v0 set

aug_policy = policies.policies_v0（）

# instantiate the policy container with the selected policy set

policy_container = policies.PolicyContainer（aug_policy）

# select a random policy from the policy set

random_policy = policy_container.select_random_policy（）

# Apply the augmentation. Returns the augmented image and bounding boxes.

# Image is a numpy array of the image

# Bounding boxes is a list of list of bounding boxes in pixels （int）。

# e.g. ［［x_min， y_min， x_man， y_max］， ［x_min， y_min， x_man， y_max］］

# Labels are the class labels for the bounding boxes as an iterable of ints e.g. ［1，0］

img_aug， bbs_aug = policy_container.apply_augmentation（random_policy， image， bounding_boxes， labels）

# image_aug： numpy array of the augmented image

# bbs_aug： numpy array of augmneted bounding boxes in format： ［［label， x_min， y_min， x_man， y_max］，。。。］

總結(jié)

該包實現(xiàn)了谷歌Brain Team推導(dǎo)出的增強策略。目前，已經(jīng)實現(xiàn)了所有4個策略，該包還附帶了notebooks，以幫助用戶將這些策略集成到他們的PyTorch訓(xùn)練pipeline中。

英文原文：https://towardsdatascience.com/bbaug-a-package-for-bounding-box-augmentation-in-pytorch-e9b9fbf1504b

編輯：jq