Skip to main content

10.2.2 数据增强策略

图像数据增强样例墙

本节定位

图像分类里最常见也最容易被低估的技巧之一，就是数据增强。

它解决的不是“模型不会学”，而是：

模型太容易把训练集里的偶然细节当真。

通过合理增强，我们能让模型看到更多“合理变化后的同一张图”，从而学得更稳。

学习目标​

  • 理解数据增强为什么能提升泛化能力
  • 区分几种常见增强方式适合处理什么问题
  • 理解“标签保持不变”这个增强前提
  • 通过可运行示例建立增强链路的直觉

先建立一张地图​

如果你是从第 6 站过来的，可以先把这节理解成：

  • 前面你已经知道卷积网络会从图像里学特征
  • 这一节开始解决“怎样让它别只记住训练集里的表面样子”

所以数据增强不是视觉里的小技巧，而是在补：

  • 模型如何面对真实世界中的视角、亮度、裁剪、遮挡变化

数据增强这节最适合新人的理解顺序不是“记住多少变换名”，而是先看清：

所以这节真正想解决的是：

  • 为什么图像分类特别需要增强
  • 增强什么时候是在帮忙，什么时候会伤害语义

一、为什么图像任务特别需要数据增强？​

真实世界本来就在变化​

同一只猫在不同图片里会有：

  • 角度变化
  • 光照变化
  • 背景变化
  • 局部遮挡

如果训练集覆盖不够，模型就很容易把偶然背景当成真正特征。

增强不是“造更多数据”，而是“模拟合理变化”​

一张图片经过合理变换后， 语义通常还没变。

例如：

  • 左右翻转后的猫还是猫
  • 轻微裁剪后的狗还是狗

这就是为什么增强能帮助模型学得更稳。

第一次学数据增强，最该先抓住什么？​

最该先抓住的不是一串 API，而是这一句：

增强是在模拟“同一个目标可能以不同合理样子出现”。

只要这句话稳住了，后面你看到：

  • 翻转
  • 裁剪
  • 颜色扰动
  • Mixup / CutMix

都会更容易判断它们到底是在帮忙，还是已经开始伤语义了。

一个类比​

数据增强像考前练变式题。 不是换知识点，而是让你别死记某一道题的表面样子。

二、最常见的几类增强​

几何增强​

例如：

  • 翻转
  • 平移
  • 裁剪
  • 旋转

它主要帮助模型应对：

  • 视角和位置变化

颜色增强​

例如：

  • 亮度
  • 对比度
  • 饱和度

它主要帮助模型应对：

  • 光照和拍摄条件变化

组合与混合增强​

例如：

  • Cutout
  • Mixup
  • CutMix

它们更激进，但也往往更有效。

第一次做图像分类时，最值得先从哪类增强开始？​

更稳的顺序通常是：

  1. 先从几何增强开始 因为它最直观，也最容易和“真实视角变化”对应起来。

  2. 再加轻量颜色增强 用来应对光照和拍摄条件变化。

  3. 最后再试更激进的混合增强 因为这时你已经有 baseline，比较容易判断到底有没有真的收益。

三、先跑一个最小增强流水线示例​

下面这个例子不依赖图像库， 而是用二维列表模拟一张灰度图，帮助你抓住增强的核心思想。

image = [
    [1, 2, 3],
    [4, 5, 6],
    [7, 8, 9],
]


def horizontal_flip(img):
    return [list(reversed(row)) for row in img]


def center_crop(img, size=2):
    return [row[:size] for row in img[:size]]


def brightness_shift(img, delta=1):
    return [[pixel + delta for pixel in row] for row in img]


print("original:")
for row in image:
    print(row)

print("\nflip:")
for row in horizontal_flip(image):
    print(row)

print("\ncrop:")
for row in center_crop(image):
    print(row)

print("\nbrightness:")
for row in brightness_shift(image):
    print(row)

预期输出：

original:
[1, 2, 3]
[4, 5, 6]
[7, 8, 9]

flip:
[3, 2, 1]
[6, 5, 4]
[9, 8, 7]

crop:
[1, 2]
[4, 5]

brightness:
[2, 3, 4]
[5, 6, 7]
[8, 9, 10]

这个例子最该抓住什么？​

增强的本质不是图像库 API， 而是：

  • 对输入做合理变换
  • 同时尽量不改变标签语义

为什么“合理”很重要？​

如果你把“6”和“9”这类数字图像乱旋转， 标签可能就真的变了。

所以增强不是无脑越强越好， 而要考虑任务语义。

这一点为什么对视觉任务特别重要？​

因为视觉里的很多标签，其实依赖几何和方向。

比如：

  • 普通自然图像左右翻转可能没问题
  • 数字识别里随便旋转就可能把类别语义改掉
  • 检测和分割里增强还会连着框和 mask 一起变

所以增强不是“加得越多越先进”，而是：

  • 是否还在尊重任务本身的语义边界

数据增强不变性与语义风险图

读图提示

读这张图时抓住一句话：增强是在训练模型忽略“合理变化”，但不能破坏标签语义。分类、检测、分割的增强还要同步处理 label、box 和 mask。

四、Mixup 为什么值得单独记住？​

它不是简单改图，而是连标签也一起混​

Mixup 的核心思想是：

  • 两张图按比例混合
  • 标签也按比例混合

一个纯数字直觉示例​

img_a = [1.0, 2.0, 3.0]
img_b = [7.0, 8.0, 9.0]
label_a = [1.0, 0.0]
label_b = [0.0, 1.0]
alpha = 0.7

mixed_img = [round(alpha * a + (1 - alpha) * b, 2) for a, b in zip(img_a, img_b)]
mixed_label = [round(alpha * a + (1 - alpha) * b, 2) for a, b in zip(label_a, label_b)]

print("mixed_img:", mixed_img)
print("mixed_label:", mixed_label)

预期输出：

mixed_img: [2.8, 3.8, 4.8]
mixed_label: [0.7, 0.3]

为什么这种方法会有效？​

它会让模型更少学到极端边界， 更倾向于形成平滑决策面。

五、增强最容易踩的坑​

误区一：增强越重越好​

增强过头可能会把有效特征破坏掉。

误区二：所有任务共用同一套增强​

分类、检测、分割对增强的敏感点并不完全一样。

误区三：只加增强，不做验证​

增强是手段，不是目标。 最终还是要看验证集是否真的受益。

新人第一次做图像分类时，最稳的增强顺序​

如果你刚开始做视觉分类，建议先按这个顺序来：

  1. 先用水平翻转
  2. 再加轻量裁剪
  3. 再加轻量颜色扰动
  4. 确认 baseline 稳定后，再尝试 Mixup / CutMix

这样更容易知道到底是哪类增强在起作用。

验证增强是否真的有效，最值得先看什么？​

不要只看训练集 loss。 更稳的判断是：

  • 验证集指标有没有提升
  • 错例类型有没有变得更合理
  • 模型是不是不再特别依赖背景或拍摄姿态

也就是说，增强真正的价值不只是“分数高一点”，而是让模型学到更稳定的视觉特征。

小结​

这节最重要的是建立一个判断：

数据增强的核心，是通过模拟合理变化，让模型学会抓住更稳定的视觉特征，而不是死记训练集里的偶然细节。

只要这层直觉在，后面你看更复杂增强策略就不会迷路。

这节最该带走什么​

  • 增强不是越猛越好，而是要和任务语义匹配
  • 第一次做项目时，先从最稳的几类增强开始
  • 验证集是否变好，才是增强值不值得保留的真正标准

如果再压成一句话，那就是：

数据增强的本质不是“把图改花”，而是在不改语义的前提下，让模型见过更多合理变化。

练习​

  1. 给示例再写一个 vertical_flip 函数。
  2. 想一想：为什么某些任务里旋转增强可能是有害的？
  3. 用自己的话解释：Mixup 和普通增强最大的不同是什么？
  4. 如果验证集效果下降，你会先怀疑增强太弱还是太强？