導(dǎo)讀

覆蓋了模型相關(guān)的方方面面，從數(shù)據(jù)準(zhǔn)備到模型的推理，每個(gè)階段的方法和要點(diǎn)，非常多的參考資料，足夠看一段時(shí)間了。

任何領(lǐng)域的成功都可以歸結(jié)為一套小規(guī)則和基本原則，當(dāng)它們結(jié)合在一起時(shí)會(huì)產(chǎn)生偉大的結(jié)果。機(jī)器學(xué)習(xí)和圖像分類也不例外，工程師們可以通過參加像Kaggle這樣的競(jìng)賽來(lái)展示最佳實(shí)踐。在這篇文章中，我將給你很多資源來(lái)學(xué)習(xí)，聚焦于從13個(gè)Kaggle比賽中挑選出的最好的Kaggle kernel。

這些比賽是：

Intel Image Classification：https://www.kaggle.com/puneet6060/intel-image-classification

Recursion Cellular Image Classification：https://www.kaggle.com/c/recursion-cellular-image-classification

SIIM-ISIC Melanoma Classification：https://www.kaggle.com/c/siim-isic-melanoma-classification

APTOS 2019 Blindness Detection：https://www.kaggle.com/c/aptos2019-blindness-detection/notebooks

Diabetic Retinopathy Detection：https://www.kaggle.com/c/diabetic-retinopathy-detection

ML Project?—?Image Classification：https://www.kaggle.com/c/image-classification-fashion-mnist/notebooks

Cdiscount’s Image Classification Challenge：

https://www.kaggle.com/c/cdiscount-image-classification-challenge/notebooks

Plant seedlings classifications：

https://www.kaggle.com/c/plant-seedlings-classification/notebooks

Aesthetic Visual Analysis：

https://www.kaggle.com/c/aesthetic-visual-analysis/notebooks

我們會(huì)討論調(diào)試深度學(xué)習(xí)解決方案的三個(gè)主要方面：

數(shù)據(jù)

模型

損失函數(shù)

還有很多例子項(xiàng)目（和參考資料）供你參考。

數(shù)據(jù)

圖像預(yù)處理 + EDA

每一個(gè)機(jī)器學(xué)習(xí)/深度學(xué)習(xí)解決方案都從原始數(shù)據(jù)開始。在數(shù)據(jù)處理管道中有兩個(gè)基本步驟。第一步是探索性數(shù)據(jù)分析 （EDA）。它幫助我們分析整個(gè)數(shù)據(jù)集并總結(jié)它的主要特征，比如類分布、大小分布等等。通常使用可視化方法來(lái)顯示這種分析的結(jié)果。第二步是圖像預(yù)處理，目的是對(duì)原始圖像提高圖像數(shù)據(jù)（也稱為圖像特征）的質(zhì)量，通過抑制不必要的扭曲，縮放，增強(qiáng)重要的特征，使數(shù)據(jù)更適合模型并提高性能。你可以鉆研這些Kaggle筆記本，看看一些圖像預(yù)處理技術(shù)：

Visualisation：

https://www.kaggle.com/allunia/protein-atlas-exploration-and-baseline#Building-a-baseline-model-

Dealing with Class imbalance：https://www.kaggle.com/rohandeysarkar/ultimate-image-classification-guide-2020

Fill missing values （labels， features and， etc.）：https://www.kaggle.com/datafan07/analysis-of-melanoma-metadata-and-effnet-ensemble

Normalisation?：https://www.kaggle.com/vincee/intel-image-classification-cnn-keras

Pre-processing：

https://www.kaggle.com/ratthachat/aptos-eye-preprocessing-in-diabetic-retinopathy#3.A-Important-Update-on-Color-Version-of-Cropping-&-Ben‘s-Preprocessing

數(shù)據(jù)增強(qiáng)

數(shù)據(jù)增強(qiáng) 可以通過從現(xiàn)有的訓(xùn)練樣本中生成更多的訓(xùn)練數(shù)據(jù)來(lái)擴(kuò)展我們的數(shù)據(jù)集。通過大量的隨機(jī)轉(zhuǎn)換生成新的樣本，這些轉(zhuǎn)換不僅可以生成可信的圖像，而且還反映了真實(shí)的場(chǎng)景 —— 稍后將對(duì)此進(jìn)行詳細(xì)介紹。這種技術(shù)得到了廣泛的應(yīng)用，不僅僅是在訓(xùn)練模型的數(shù)據(jù)樣本太少的情況下。在這種情況下，模型開始記憶訓(xùn)練集，但無(wú)法泛化（在從未見過的數(shù)據(jù)上表現(xiàn)很差）。通常，當(dāng)一個(gè)模型在訓(xùn)練數(shù)據(jù)上表現(xiàn)很好，但在驗(yàn)證數(shù)據(jù)上表現(xiàn)很差時(shí)，我們稱之為過擬合。為了解決這個(gè)問題，我們通常會(huì)嘗試獲取新數(shù)據(jù)，如果沒有可用的新數(shù)據(jù)，則可以使用數(shù)據(jù)增強(qiáng)。注：一般的經(jīng)驗(yàn)法則是始終使用數(shù)據(jù)增強(qiáng)技術(shù)，因?yàn)樗兄谑刮覀兊哪Ｐ鸵娮R(shí)更多的變化并更好地泛化。即使我們有一個(gè)很大的數(shù)據(jù)集，也要使用數(shù)據(jù)增強(qiáng)，但這是以較慢的訓(xùn)練速度為代價(jià)的，因?yàn)樵鰪?qiáng)是在線完成的（即在訓(xùn)練期間）。此外，對(duì)于每個(gè)任務(wù)或數(shù)據(jù)集，我們必須使用反映可能的現(xiàn)實(shí)場(chǎng)景的增強(qiáng)技術(shù)（例如，如果我們有一個(gè)貓/狗探測(cè)器，我們可以使用水平翻轉(zhuǎn)、剪裁、亮度和對(duì)比度，因?yàn)檫@些增強(qiáng)匹配不同的照片拍攝方式。這里是一些Kaggle比賽notebooks，你可以查看流行的數(shù)據(jù)增強(qiáng)技術(shù)：

Horizontal Flip：

https://www.kaggle.com/datafan07/analysis-of-melanoma-metadata-and-effnet-ensemble

Random Rotate and Random Dihedral：https://www.kaggle.com/iafoss/pretrained-resnet34-with-rgby-0-460-public-lb

Hue， Saturation， Contrast， Brightness， Crop：https://www.kaggle.com/cdeotte/triple-stratified-kfold-with-tfrecords

Colour jitter：

https://www.kaggle.com/nroman/melanoma-pytorch-starter-efficientnet

模型

開發(fā)一個(gè)基線

在這里，我們使用一個(gè)非常簡(jiǎn)單的架構(gòu)創(chuàng)建一個(gè)基本的模型，沒有任何正則化或dropout層，看看我們是否能超過50%的準(zhǔn)確率基線。盡管我們不可能總能達(dá)到這個(gè)目標(biāo)，但如果我們?cè)趪L試了多種合理的架構(gòu)后不能超過基線，那么輸入數(shù)據(jù)可能不包含模型進(jìn)行預(yù)測(cè)所需的信息。

用Jeremy Howard的名言：“你應(yīng)該能夠在15分鐘內(nèi)使用50%或更少的數(shù)據(jù)集快速測(cè)試你是否正在朝著一個(gè)有希望的方向前進(jìn)，如果沒有，你必須重新考慮一切。”

開發(fā)一個(gè)足夠大可以過擬合的模型

一旦我們的基線模型有足夠的能力超過基線分?jǐn)?shù)，我們就可以增加基線模型的能力，直到它在數(shù)據(jù)集上過擬合為止，然后我們就開始應(yīng)用正則化。我們可以通過以下方式增加模塊容量：

添加更多層

使用更好的結(jié)構(gòu)

更完善的訓(xùn)練流程

結(jié)構(gòu)

根據(jù)文獻(xiàn)，以下架構(gòu)的改進(jìn)提高了模型的容量，但幾乎沒有改變計(jì)算復(fù)雜度。

Residual Networks

Wide Residual Networks

Inception

EfficientNet

Swish activation

Residual Attention Network

大多數(shù)時(shí)候，模型容量和精度是正相關(guān)的 —— 隨著容量的增加，精度也會(huì)增加，反之亦然。

訓(xùn)練過程

下面是一些你可以用來(lái)調(diào)整你的模型的訓(xùn)練過程，通過實(shí)例項(xiàng)目來(lái)看看它們是如何工作的：

Mixed-Precision Training

Large Batch-Size Training

Cross-Validation Set

Weight Initialization

Self-Supervised Training （Knowledge Distillation）

Learning Rate Scheduler

Learning Rate Warmup

Early Stopping

Differential Learning Rates

Ensemble

Transfer Learning

Fine-Tuning

超參數(shù)調(diào)試

與參數(shù)不同，hyperparameters是由你在配置模型時(shí)指定的（即學(xué)習(xí)率、epoch的數(shù)量、hidden units的數(shù)量、batch size大小等）。你可以通過使用hyperparameter調(diào)優(yōu)庫(kù)，比如Scikit learn Grid Search，Keras Tuner來(lái)自動(dòng)化這個(gè)過程，而不是去手動(dòng)配置。這些庫(kù)會(huì)在你指定的范圍內(nèi)嘗試所有的hyperparameter組合，返回表現(xiàn)最好的模型。需要調(diào)優(yōu)的超參數(shù)越多，過程就越慢，因此最好選擇模型超參數(shù)的最小子集進(jìn)行調(diào)優(yōu)。并不是所有的模型超參數(shù)都同樣重要。一些超參數(shù)會(huì)對(duì)機(jī)器學(xué)習(xí)算法的行為產(chǎn)生巨大的影響，進(jìn)而影響其性能。你應(yīng)該小心地選擇那些對(duì)模型性能影響最大的參數(shù)，并對(duì)它們進(jìn)行調(diào)優(yōu)以獲得最佳性能。

正則化

這種方法迫使模型學(xué)習(xí)有意義和具有泛化能力的數(shù)據(jù)表示，通過對(duì)記憶/過擬合和欠擬合進(jìn)行懲罰來(lái)實(shí)現(xiàn)，使模型對(duì)于它沒見過的數(shù)據(jù)更魯棒。解決上述問題的一個(gè)簡(jiǎn)單方法是獲得更多的訓(xùn)練數(shù)據(jù)，因?yàn)橐粋€(gè)模型訓(xùn)練的數(shù)據(jù)越多，自然就會(huì)泛化得越好。這里有一些技巧你可以試著減輕過擬合和欠擬合，項(xiàng)目如下：

Adding Dropout：https://www.kaggle.com/allunia/protein-atlas-exploration-and-baseline

Adding or changing the position of Batch Norm：https://www.kaggle.com/allunia/protein-atlas-exploration-and-baseline

Data augmentation：https://www.kaggle.com/cdeotte/triple-stratified-kfold-with-tfrecords

Mixup：https://arxiv.org/abs/1710.09412

Weight regularization：https://www.kaggle.com/allunia/protein-atlas-exploration-and-baseline

Gradient clipping：https://www.kaggle.com/allunia/protein-atlas-exploration-and-baseline

損失函數(shù)

損失函數(shù)也被稱為成本函數(shù)或目標(biāo)函數(shù)，用于查找目標(biāo)輸出的模型之間的差異，并幫助模型最小化它們之間的距離。

這里是一些最流行的損失函數(shù)，與項(xiàng)目實(shí)例，你會(huì)發(fā)現(xiàn)一些技巧，以提高你的模型的能力：

Label smoothing

Focal loss

SparseMax loss and Weighted cross-entropy

BCE loss， BCE with logits loss and Categorical cross-entropy loss

Additive Angular Margin Loss for Deep Face Recognition

評(píng)估 + 錯(cuò)誤分析

在這里，我們做消融研究，并分析我們的實(shí)驗(yàn)結(jié)果。我們確定了我們的模型的弱點(diǎn)和長(zhǎng)處，并確定了未來(lái)需要改進(jìn)的地方。在這個(gè)階段，你可以使用以下技術(shù)，并在鏈接的示例中查看它們是如何實(shí)現(xiàn)的：

Tracking metrics and Confusion matrix：

https://www.kaggle.com/vincee/intel-image-classification-cnn-keras

Grad CAM：https://arxiv.org/pdf/1610.02391v1.pdf

Test Time Augmentation （TTA）：

https://www.kaggle.com/iafoss/pretrained-resnet34-with-rgby-0-460-public-lb

有許多實(shí)驗(yàn)跟蹤和管理工具，采取最小設(shè)置為你自動(dòng)保存所有數(shù)據(jù)，這使消融研究更容易。

最后

有許多方法來(lái)調(diào)整你的模型，并且新的想法總是會(huì)出現(xiàn)。深度學(xué)習(xí)是一個(gè)快速發(fā)展的領(lǐng)域，沒有什么靈丹妙藥。我們必須做很多實(shí)驗(yàn)，足夠的試驗(yàn)和錯(cuò)誤會(huì)帶來(lái)突破。

英文原文：https://neptune.ai/blog/image-classification-tips-and-tricks-from-13-kaggle-competitions

—版權(quán)聲明—

來(lái)源丨AI公園 作者 | Prince Canuma 編譯 | ronghuaiyang

僅用于學(xué)術(shù)分享，版權(quán)屬于原作者。

若有侵權(quán)，請(qǐng)聯(lián)系刪除或修改！

編輯：jq