0
| 本文作者： 汪思穎 | 2017-11-19 16:35 |
雷鋒網 AI科技評論按，本文作者Professor ho，該文首發于知乎專欄Keras花式工具箱，雷鋒網 AI科技評論獲其授權轉載。
圖像深度學習任務中，面對小數據集，我們往往需要利用Image Data Augmentation圖像增廣技術來擴充我們的數據集，而keras的內置ImageDataGenerator很好地幫我們實現圖像增廣。但是面對ImageDataGenerator中眾多的參數，每個參數所得到的效果分別是怎樣的呢？本文針對Keras中ImageDataGenerator的各項參數數值的效果進行了詳細解釋，為各位深度學習研究者們提供一個參考。
我們先來看看ImageDataGenerator的官方說明（https://keras.io/preprocessing/image/）:
keras.preprocessing.image.ImageDataGenerator(featurewise_center=False,
samplewise_center=False,
featurewise_std_normalization=False,
samplewise_std_normalization=False,
zca_whitening=False,
zca_epsilon=1e-6,
rotation_range=0.,
width_shift_range=0.,
height_shift_range=0.,
shear_range=0.,
zoom_range=0.,
channel_shift_range=0.,
fill_mode='nearest',
cval=0.,
horizontal_flip=False,
vertical_flip=False,
rescale=None,
preprocessing_function=None,
data_format=K.image_data_format())
官方提供的參數解釋因為太長就不貼出來了，大家可以直接點開上面的鏈接看英文原介紹，我們現在就從每一個參數開始看看它會帶來何種效果。
我們測試選用的是kaggle dogs vs cats redux 貓狗大戰的數據集，隨機選取了9張狗狗的照片，這9張均被resize成224×224的尺寸，如圖1：
圖1
datagen = image.ImageDataGenerator(featurewise_center=True,
featurewise_std_normalization=True)
featurewise_center的官方解釋："Set input mean to 0 over the dataset, feature-wise." 大意為使數據集去中心化（使得其均值為0），而samplewise_std_normalization的官方解釋是“ Divide inputs by std of the dataset, feature-wise.”，大意為將輸入的每個樣本除以其自身的標準差。這兩個參數都是從數據集整體上對每張圖片進行標準化處理，我們看看效果如何：
圖2
與圖1原圖相比，經過處理后的圖片在視覺上稍微“變暗”了一點。
datagen = image.ImageDataGenerator(samplewise_center=True,
samplewise_std_normalization=True)
samplewise_center的官方解釋為：“ Set each sample mean to 0.”，使輸入數據的每個樣本均值為0；samplewise_std_normalization的官方解釋為：“Divide each input by its std.”，將輸入的每個樣本除以其自身的標準差。這個月featurewise的處理不同，featurewise是從整個數據集的分布去考慮的，而samplewise只是針對自身圖片，效果如圖3：
圖3
看來針對自身數據分布的處理在貓狗大戰數據集上沒有什么意義，或許在mnist這類灰度圖上有用？讀者可以試試。
datagen = image.ImageDataGenerator(zca_whitening=True)
zca白化的作用是針對圖片進行PCA降維操作，減少圖片的冗余信息，保留最重要的特征，細節可參看：Whitening transformation--維基百科，Whitening--斯坦福。
很抱歉的是，本人使用keras的官方演示代碼，并沒有復現出zca_whitening的效果，當我的圖片resize成224×224時，代碼報內存錯誤，應該是在計算SVD的過程中數值太大。后來resize成28×28，就沒有內存錯誤了，但是代碼運行了一晚上都不結束，因此使用貓狗大戰圖片無法復現效果，這里轉發另外一個博客使用mnist復現出的結果，如下圖4。針對mnist的其它DataAugmentation結果可以看這個博客：Image Augmentation for Deep Learning With Keras，有修改意見的朋友歡迎留言。
圖4
datagen = image.ImageDataGenerator(rotation_range=30)
rotation range的作用是用戶指定旋轉角度范圍，其參數只需指定一個整數即可，但并不是固定以這個角度進行旋轉，而是在 [0, 指定角度] 范圍內進行隨機角度旋轉。效果如圖5：
圖5
datagen = image.ImageDataGenerator(width_shift_range=0.5,height_shift_range=0.5)
width_shift_range & height_shift_range 分別是水平位置評議和上下位置平移，其參數可以是[0, 1]的浮點數，也可以大于1，其最大平移距離為圖片長或寬的尺寸乘以參數，同樣平移距離并不固定為最大平移距離，平移距離在 [0, 最大平移距離] 區間內。效果如圖6：
圖6
平移圖片的時候一般會出現超出原圖范圍的區域，這部分區域會根據fill_mode的參數來補全，具體參數看下文。當參數設置過大時，會出現圖7的情況，因此盡量不要設置太大的數值。
圖7
datagen = image.ImageDataGenerator(shear_range=0.5)
shear_range就是錯切變換，效果就是讓所有點的x坐標(或者y坐標)保持不變，而對應的y坐標(或者x坐標)則按比例發生平移，且平移的大小和該點到x軸(或y軸)的垂直距離成正比。
如圖8所示，一個黑色矩形圖案變換為藍色平行四邊形圖案。狗狗圖片變換效果如圖9所示。
圖8
圖9
datagen = image.ImageDataGenerator(zoom_range=0.5)
zoom_range參數可以讓圖片在長或寬的方向進行放大，可以理解為某方向的resize，因此這個參數可以是一個數或者是一個list。當給出一個數時，圖片同時在長寬兩個方向進行同等程度的放縮操作；當給出一個list時，則代表[width_zoom_range, height_zoom_range]，即分別對長寬進行不同程度的放縮。而參數大于0小于1時，執行的是放大操作，當參數大于1時，執行的是縮小操作。
參數大于0小于1時，效果如圖10：
圖10
參數等于4時，效果如圖11：
圖11
datagen = image.ImageDataGenerator(channel_shift_range=10)
channel_shift_range可以理解成改變圖片的顏色，通過對顏色通道的數值偏移，改變圖片的整體的顏色，這意味著是“整張圖”呈現某一種顏色，像是加了一塊有色玻璃在圖片前面一樣，因此它并不能單獨改變圖片某一元素的顏色，如黑色小狗不能變成白色小狗。當數值為10時，效果如圖12；當數值為100時，效果如圖13，可見當數值越大時，顏色變深的效果越強。
圖12
圖13
datagen = image.ImageDataGenerator(horizontal_flip=True)
horizontal_flip的作用是隨機對圖片執行水平翻轉操作，意味著不一定對所有圖片都會執行水平翻轉，每次生成均是隨機選取圖片進行翻轉。效果如圖14。
圖14
datagen = image.ImageDataGenerator(vertical_flip=True
vertical_flip是作用是對圖片執行上下翻轉操作，和horizontal_flip一樣，每次生成均是隨機選取圖片進行翻轉，效果如圖15。
圖15
當然了，在貓狗大戰數據集當中不適合使用vertical_flip，因為一般沒有倒過來的動物。
datagen = image.ImageDataGenerator(rescale= 1/255, width_shift_range=0.1)
rescale的作用是對圖片的每個像素值均乘上這個放縮因子，這個操作在所有其它變換操作之前執行，在一些模型當中，直接輸入原圖的像素值可能會落入激活函數的“死亡區”，因此設置放縮因子為1/255，把像素值放縮到0和1之間有利于模型的收斂，避免神經元“死亡”。
圖片經過rescale之后，保存到本地的圖片用肉眼看是沒有任何區別的，如果我們在內存中直接打印圖片的數值，可以看到以下結果：
圖16
可以從圖16看到，圖片像素值都被縮小到0和1之間，但如果打開保存在本地的圖片，其數值依然不變，如圖17。
圖17
應該是在保存到本地的時候，keras把圖像像素值恢復為原來的尺度了，在內存中查看則不會。
datagen = image.ImageDataGenerator(fill_mode='wrap', zoom_range=[4, 4])
fill_mode為填充模式，如前面提到，當對圖片進行平移、放縮、錯切等操作時，圖片中會出現一些缺失的地方，那這些缺失的地方該用什么方式補全呢？就由fill_mode中的參數確定，包括：“constant”、“nearest”（默認）、“reflect”和“wrap”。這四種填充方式的效果對比如圖18所示，從左到右，從上到下分別為：“reflect”、“wrap”、“nearest”、“constant”。
圖18
當設置為“constant”時，還有一個可選參數，cval，代表使用某個固定數值的顏色來進行填充。圖19為cval=100時的效果，可以與圖18右下角的無cval參數的圖對比。
圖19
這里給出一段小小的代碼，作為進行這些參數調試時的代碼，你也可以使用jupyter notebook來試驗這些參數，把圖片結果打印到你的網頁上。
%matplotlib inline
import matplotlib.pyplot as plt
from PIL import Image
from keras.preprocessing import image
import glob
# 設置生成器參數
datagen = image.ImageDataGenerator(fill_mode='wrap', zoom_range=[4, 4])
gen_data = datagen.flow_from_directory(PATH,
batch_size=1,
shuffle=False,
save_to_dir=SAVE_PATH,
save_prefix='gen',
target_size=(224, 224))
# 生成9張圖
for i in range(9):
gen_data.next()
# 找到本地生成圖，把9張圖打印到同一張figure上
name_list = glob.glob(gen_path+'16/*')
fig = plt.figure()
for i in range(9):
img = Image.open(name_list[i])
sub_img = fig.add_subplot(331 + i)
sub_img.imshow(img)
plt.show()
面對小數據集時，使用DataAugmentation擴充你的數據集就變得非常重要，但在使用DataAugmentation之前，先要了解你的數據集需不需要這類圖片，如貓狗大戰數據集不需要上下翻轉的圖片，以及思考一下變換的程度是不是合理的，例如把目標水平偏移到圖像外面就是不合理的。多試幾次效果，再最終確定使用哪些參數。上面所有內容已經公布在我的github（https://github.com/JustinhoCHN/keras-image-data-augmentation）上面，附上了實驗時的jupyter notebook文件，大家可以玩一玩，have fun！
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
