在参加了39场Kaggle比赛之后，有人总结了一份图像分割炼丹的「奇技淫巧」 机器之心报道机器之心编辑部一个经历了 39 场 Kaggle 比赛的团队在 reddit 上发帖表示，他们整理了一份结构化的图像分割技巧列表，涵盖数据增强、建模、损失函数、训练技巧等多个方面，不失为一份可以参考的图像分割技巧资料。 图像分割是图像处理和计算机视觉的热点之一，是根据图像内容对指定区域进行标记的计算机视觉任务。它基于某些标准将输入图像划分为多个相同的类别，简言之就是「这张图片里有什么，其在图片中的位置是什么？」以便提取人们感兴趣的区域。图像分割是图像分析和图像特征提取及识别的基础。? 图像分割也是 Kaggle 中的一类常见赛题，比如卫星图像分割与识别、气胸疾病图像分割等。除了密切的团队配合、给力的 GPU 配置等条件，技巧在这类比赛中也发挥了很大的作用。但这些技巧去哪里找呢？Medium、大牛博客、参赛经验帖中都散落着各种技巧分享，但这些资源往往比较零散，于是就有人想到，为什么不把它们集中到一起呢？ Derrick Mwiti 就带头做了这么一件事，他和他所在的团队将过去 39 场 Kaggle 比赛中讨论过的图像分割技巧、资料都汇总到了一起，希望可以帮到在图像分割任务中遇到困难的同学。 这份列表分为十大板块，包括外部数据、预处理、数据增强、建模、硬件配置、损失函数、训练技巧、评估和交叉验证、集成方法以及后处理。 每个版块的具体内容以条目的形式呈现，每个条目又都嵌入了一些链接，点开可以看到一些优秀的 Kaggle 解决方案分享、Medium 博客教程、高赞的 GitHub 项目等，读者可以根据自己的具体问题和需要进行查找。 机器之心选取了其中一部分内容进行介绍，具体细节及链接请参见原文。 接下来，我们来看每个步骤都有哪些技巧吧。 预处理 这一部分包含众多常见的有效图像预处理方法，例如： 使用高斯差分方法进行斑点检测； 使用基于图像块的输入进行训练，以减少训练时间； 加载数据时，用 cudf 替换 Pandas； 确保所有图像保持相同的方向； 使用 OpenCV 对所有常规图像进行预处理； 采用自主学习并手动添加注释； 将所有图像调整成相同的分辨率，以便将相同的模型用于不同厚度的扫描等。 数据增强 数据增强能够使网络具有更复杂的表征能力，从而减小网络性能在验证集和训练集以及最终测试集上的差距，让网络更好地学习迁移数据集上的数据分布。这部分介绍了一些常用的数据增强方法： 用 albumentations 包进行数据增强； 使用 90 度随机旋转； 使用水平、垂直翻转或这两个方向都做翻转； 尝试进行复杂的几何变换，包括弹性变换、透视变换、分段仿射变换、枕形失真； 应用随机 HSV； 使用损失较小的增强数据进行泛化，以防止有用图像信息丢失； 应用通道 shuffle； 根据类别频率进行数据扩充； 应用高斯噪声等。 建模 网络架构 这一部分介绍了一些可用在图像分割上的常用网络框架，例如： 使用基于 U-net 的架构； 用 inception-ResNet v2 架构得到具备不同感受野的训练特征； 经过对抗训练的 Siamese 网络； 以密集（FC）层作为最后一层的 ResNet50、Xception、Inception ResNet v2 x 5； 使用全局最大池化层，无论输入尺寸如何，该层都将返回固定长度的输出； 使用堆叠的膨胀卷积； VoxelNet； 用 concat 和 conv1x1 替换 LinkNet 跳跃连接中的加号； 广义平均池化； 用 3D 卷积网络在图像上滑动； 使用在 Imagenet 数据集上预训练的 ResNet152 作为特征提取器等。 以及下列经典网络框架： 损失函数 损失函数常用来估计模型预测结果与真值之间的差距。选择合适的损失函数，对模型效果很重要。 这部分介绍了一系列损失函数和使用场景，例如： dice 系数：能够很好地处理不平衡数据； 加权边界损失：减少预测分割与真值之间的距离； MultiLabelSoftMarginLoss：基于最大熵优化多标签一对多损失的标准； 具备 logit 损失的平衡交叉熵（Balanced cross entropy，BCE）：以特定系数权衡正例和负例； …… 此外，作者还介绍了 Arc margin 损失、BCE 和 dice 系数的组合等等，更多详情参见原文。 训练技巧 这部分介绍了常用的模型训练技巧，如： 尝试不同的学习率； 尝试不同批大小； 使用带有动量项的 SDG，并且手动设置学习率衰减； 数据增强过多会降低准确率； 使用裁剪后的图像训练，并在完整的图像上做预测； 在学习速率调整上使用 Keras 中的 ReduceLROnPlateau() 方法； 冻结除了最后一层以外所有的网络层，并使用 Stage1 中的 1000 张图片进行模型微调； 开发一个能使标签更加均匀的采样器； 使用类别感知采样（class aware sampling）等。 评估和交叉验证 这部分介绍了 k 折交叉验证、对抗验证和权衡等方法，以及在调整模型最后一层时使用交叉验证方法以有效避免过拟合。 集成方法 许多机器学习竞赛（包括 Kaggle）中最优秀的解决方案所采用的集成方法都建立在一个这样的假设上：将多个模型组合在一起通常可以产生更强大的模型。 这部分介绍了多种集成方法，如多数投票法、XGBoost、LightGBM、CatBoost 等方法，以及集成 ResNet50、InceptionV3 和 InceptionResNetV2 的方法。 后处理 这部分介绍了多种后处理方法： 测试时增强（Test Time Augmentation，TTA）：向模型多次展示经过不同随机变换的图像，取预测平均值； 均衡使用测试预测概率，而不是仅使用预测类； 将几何平均数应用于预测； 在推理过程中将图块重叠，使每个边缘像素至少覆盖 3 次，因为 UNET 在边缘区域范围的预测往往较差； 非极大抑制和边界框收缩； 分水岭后处理：在实例分割问题中分离对象。 最后需要注意的是，这份列表给出的某些技巧可能有一定的适用范围，具体能不能用还要视数据而定。 资源链接：https://neptune.ai/blog/image-segmentation-tips-and-tricks-from-kaggle-competitions?utm_source=reddit&utm_medium=post&utm_campaign=blog-image-segmentation-tips-and-tricks-from-kaggle-competitions 参考链接：https://www.reddit.com/r/MachineLearning/comments/g1okir/d_we_are_putting_together_a_list_of_image/ 本文为机器之心报道，转载请联系本公众号获得授权。 ?------------------------------------------------加入机器之心（全职记者 / 实习生）：hr@jiqizhixin.com投稿或寻求报道：content@jiqizhixin.com广告 & 商务合作：bd@jiqizhixin.com