python - 使用在线数据增强来比较 CNN 模型是否公平

Question

我正在使用输入到卷积神经网络的图像的在线数据增强。我为此使用 Keras ImageDataGenerator。每批处理都会增强图像，然后在这些图像上训练模型。

我正在比较不同的模型，但由于图像是动态增强的，这真的公平吗，因为每个模型得到的图像略有不同？

Answer 1

如果我理解正确，您想知道数据增强引起的随机性是否会影响结果？

如果训练时间足够长，增强的随机性不会影响结果(至少不会达到产生影响的程度)。您拥有的其他选择是(据我所知):

1. 在将图像插入模型之前，确定性地对图像应用相同的转换来增强数据。这些转换可以是(a)随机的，例如在某些限制或 (b) 预定限制之间以随机角度旋转图像，例如将所有图像旋转 1、3 和 5 度。
2. 根本不要增加您的数据。使用您的初始数据来训练您的模型。

这些选择的效果是:

1. 您要应用的转换数量是有限的，即使选择了选项 1a，也将是预定义的集。如果您愿意大幅增加此数量，则会出现其他问题，例如您将在哪里存储所有这些数据，您将如何在训练期间处理它们等。因此，即时的优点是数据的存储不会改变，您处理数据的方式也不是。当然，缺点是使用的过程较慢(这取决于转换可能会产生很大的差异)。
2. 此选择有效意味着您拥有大量数据。并意味着很多(当然取决于问题)有时很多是不够的。由于您(可能)使用不同的数据进行测试，因此您的训练数据和测试数据在许多方面都存在差异。例如，对于人体检测(任意选择)，姿势、颜色、光照条件、图像清晰度、图像大小、纵横比的差异很常见。你怎么处理那件事呢？您要么收集 super 大量的数据，要么(可能)使用数据增强，对吗？

总而言之，这是公平的，因为从长远来看，这并没有太大的区别。例如，考虑为您的模型选择提前停止。比较那些不在最佳迭代中停止训练的模型是否公平？嗯，这并不完全公平，但也没什么区别。