如何優化你的圖像分類模型效果？

本文為 AI 研習社編譯的技術博客，原標題 ：

Boost your Image Classification Model

作者 |Aditya Mishra

翻譯 | MichaelChen 編輯 | 鄧普斯?傑弗、咩咩咩魚

https://towardsdatascience.com/boost-your-image-classifier-e1cc7a56b59c

圖像分類是一個認為幾乎解決了的問題。有趣的是，你必須竭盡所能來提升額外的1%的準確率。當我參加「 Intel Scene Classification Challenge hosted by Analytics Vidhya(由Analytics Vidhya主辦的英特爾場景分類挑戰)」我非常喜歡這次比賽，因為我嘗試從我的深度學習模型中榨乾所有的潛力。下面的技術通常是可以應用到手頭上的任何圖像分類問題中去。

問題

下面的問題是把給定的圖片分類到下面的6個類別中去。

數據中包含25,000張自然風景的圖片，這些圖片來自世界各地。

漸進的（圖片）尺寸調整

當訓練CNN模型的時候，從小到大的線性調整圖片尺寸是一項技術。漸進的尺寸調整在很贊的fastai課程中被描述為：程序員的深度學習實踐。一種不錯的方式是先用小的尺寸，如64 x 64進行訓練，再用這個模型的參數，在128 x 128尺寸上進行訓練，如此以往。每個較大的模型都在其體系結構中包含以前較小的模型層和權重。

FastAI

fastai庫是一個強大的深度學習庫。如果fastai團隊找到了一篇很感興趣的論文，他們會在不同的數據集上進行測試，並實現調參。一旦成功，就會被合併到他們的庫，並且對它的用戶開放閱讀。這個庫包含了很多內置的先進的技巧。基於pytorch，fastai對於大多數任務都有很好的默認參數。部分技巧包括：

周期性學習率

一個周期的學習

結構化數據的深度學習

完整的權重初始化

在查看可用的標準數據集時，我偶然發現了Place365數據集。Place365數據集包含365種風景分類的1,800,000張圖片。本次挑戰賽提供的數據集與這個數據集很相似，所以在這個數據集訓練的模型，具有一些學習的特徵，與我們分類的問題是相關的。由於我們的問題中的類別是Place365數據集的子集，所以我使用了一個用Place365權重初始化的ResNet50模型。

這個模型的權重在「pytorch weights」中提供。下面使用的實用函數幫助我們正確地將數據載入到fastai的CNN學習器中。

混合增強

混合增強是一種通過對已有的兩幅圖像進行加權線性插值，來形成新圖像的增強方法。我們取兩張圖像，然後使用這些圖像的張量進行線性組合。

λ是服從beta分布的隨機採樣。雖然論文的作者建議使用 λ=0.4，但是fastai的庫默認值設為0.1。

fastai中的混合增強

學習率調優

學習率是訓練神經網路中最重要的超參數之一。fastai有一種方法來找出合適的初始學習速率。這個技術被稱作循環學習率，我們用較低的學習率進行試驗，並以指數形式增加，記錄整個過程的損失。然後我們根據學習率繪製損失曲線，並選擇損失值最陡峭處的學習率。

這個庫還為我們自動的處理帶有重新啟動的隨機梯度下降（SGDR）。在SGDR中，學習率在每次迭代開始時會重新設置為原始選擇的數值，這些數值會隨著迭代減小，就像餘弦退火一樣。這麼做的主要收益是，由於學習率在每次迭代的開始可以重置，因此學習器能夠跳出局部極小值或鞍點。

通用對抗網路

生成式對抗網路（GAN是Generative Adversarial Networks的縮寫）在2014年被Ian Goodfellow提出，GANs是由兩個網路組成的深層神經網路結構，它們相互競爭。 GANs可以模擬任何數據分布。他們可以學習生成類似原始數據的數據，而且可以是任何領域——圖像、語音、文本等等。我們使用fastai的Wasserstein GAN的實現來生成更多的訓練數據。

GANs包括訓練兩個神經網路，一個被稱為生成器，它生成新的數據實例，另一個被稱為判別器，它對它們進行真實性評估，它決定每個數據實例是否屬於實際的訓練數據集。你可以從這個鏈接查閱更多。

https://github.com/fastai/course-v3/blob/master/nbs/dl1/lesson7-wgan.ipynb

去除混淆的圖像

訓練神經網路的第一步不是寫任何的神經網路的代碼，而是徹底觀察你的數據。這一步至關重要。我喜歡花費大量的時間（以小時為單位）瀏覽數千張樣例，理解他們的分布，尋找他們的模式。——Andrej Karpathy

正如Andrej Karpathy所說，「數據調查」是一個重要的一步。關於數據調查，我發現很多數據包含不少於兩種的類別。

方法－1

使用之前訓練的模型，我對整個訓練數據進行了預測。然後丟棄概率得分超過0.9但是預測錯誤的圖像。下面這些圖像，是模型明顯錯誤分類的。深入觀察以後，我發現這些圖像是被人工錯誤分類了。

有些圖像的預測概率在0.5到0.6之間，理論上可能是這個圖像表現出不止一個類別，所以模型給他們分配了相同的概率，我也把這些圖像剔除了。觀察這些圖像，這個理論最終被證明是正確的。

方法 2

fast.ai提供了一個方便的插件「圖像清理器插件」，它允許你為自己的模型清理和準備數據。圖像清理器可以清洗不屬於你數據集的圖像。它在一行中呈現圖像，使你有機會在文件系統中刪除文件。

測試時間增加

測試時間的增加包括提供原始圖像的一系列不同的版本，並把他們傳遞到模型中。從不同的版本中計算出平均值，並給出圖像的最終輸出。

之前提出的10-crop技巧跟此技巧類似。我首先在殘差網路的論文中讀到了10-crop技巧。10-crop技巧包括沿著四角和中心點各裁剪一次，得到五張圖像。反向重複以上操作，得到另外五張圖像，一共十張。測試時間增加的方法無論如何比10-crop技巧要快。

集成

機器學習中的集成是一種使用多種學習演算法的技術，這種技術可以獲得比單一演算法更好的預測性能。集成學習最好在下面的條件下工作：

組成模型具有不同的性質。比如，集成ResNet50和InceptionNet要比組合ResNet50和InceptionNet有用的多，因為它們本質上是不同的。

組成模型的相關性較低。

改變模型的訓練集，能得到更多的變化。

在本例中，我通過選擇最大發生類來集成所有模型的預測。如果有多個類有最大出現的可能，我隨機選擇其中的一個類。

結果：

公開排行榜——29名（0.962）

私人排行榜——22名（0.9499）

結論

漸進的尺寸調整在開始時是一個好主意。

花時間去理解你的數據並且可視化是必須的。

像fastai這種具有出色的初始化參數的出色的深度學習庫，確實有幫助。

只要有可能，就要盡量使用遷移學習，因為確實有用。最近，深度學習和遷移學習已經應用到了結構化數據，所以遷移學習絕對應該是首先要嘗試的事情。

最先進的技術例如混合增強，測試時間增加，周期學習率將毫無疑問的幫助你將準確率提高1到2個百分點。

始終搜索與你的問題相關的數據集，並且把他們儘可能的用在你的訓練數據集中。如果可能，深度學習模型在這些模型上訓練之後，使用他們的參數作為你模型的初始權重。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！