Lasagne中的实时数据增强

Question

我需要对我的数据集进行实时增强，以便输入到CNN，但我真的很难找到适合它的库。我已经尝试过caffe，但是DataTransform不支持很多实时增强功能，比如旋转等等，所以为了便于实现，我选择了Lasagne。但它似乎也不支持实时增强。我看过一些关于他使用Batchiterator of nolearn.lasagne的Facial Keypoints detection的帖子。但我不确定它是否是实时的。没有合适的教程来指导它。那么最后，我应该如何通过nolearn或其他方式在Lasagne中进行实时增强呢？

Answer 1

您可以使用Keras framework进行实时数据增强，以便进行CNN训练。Here是来自github的CIFAR10数据集的示例代码。你也可以改变它以适应你的需求，或者复制源代码并添加到千层面项目中，但我以前没有尝试导入到千层面中。这背后的基本思想是在每一批中随机增加数据。如果你有适合网络的for循环批处理，你可以在将数据发送到网络之前调用你的增强函数。

Answer 2

是的，您可以在Lasagne中进行实时数据增强。最简单的方法是使用GaussianNoiseLayer。只需将其插入到输入层之后。如果高斯噪声不是您需要的，那么至少您有GaussianNoiseLayer作为如何实现自己的噪声的示例。

注意deterministic参数在Lasagne中的用法。默认情况下，它处于禁用状态，因此在训练期间会添加噪波。在测试过程中，您设置了deterministic=True，这样就可以简单地避免增加。

Answer 3

是的，您提到的Facial Keypoints Recognition教程确实使用了实时(即时)增强来随机翻转输入图像(和目标坐标)。

nolearn-utils库有大量的迭代器示例，这些迭代器可以执行几种类型的增强。例如，AffineTransformBatchIteratorMixin在运行中执行随机仿射变换。