生动理解深度学习精度提升利器——测试时增强（TTA）
测试时增强（Test-Time Augmentation，TTA）是一种在深度学习模型的测试阶段应用数据增强的技术手段。它是通过对测试样本进行多次随机变换或扰动，产生多个增强的样本，并使用这些样本进行预测的多数投票或平均来得出最终预测结果。
为了直观理解TTA执行的过程，这里我绘制了流程示意图如下所示：
TTA的过程如下：
-
数据增强：
- 在测试时，对每个测试样本应用随机的变换或扰动操作，生成多个增强样本。
- 常用的数据增强操作包括随机翻转、随机旋转、随机裁剪、随机缩放等。这些操作可以增加样本的多样性，模拟真实世界中的不确定性和变化。
-
多次预测：
- 使用训练好的模型对生成的增强样本进行多次预测。
- 对于每个增强样本，都会得到一个预测结果。
-
预测结果集成：
- 对多次预测的结果进行集成，常用的集成方式有多数投票和平均。
- 对于分类任务，多数投票即选择预测结果中出现次数最多的类别作为最终的预测类别。对于回归任务，平均即将多次预测结果进行平均。
接下来针对性地对比分析下使用TTA带来的优点和缺点：
优点：
- 提高鲁棒性：通过应用数据增强，TTA可以增加样本的多样性和泛化能力，提高模型在面对未见过的输入分布和未知变化时的鲁棒性。
- 提高准确性：通过多次预测和集成，TTA可以减少预测结果的随机性和偶然误差，提高最终预测结果的稳定性和准确性。
- 模型评估和排名：TTA可以改变模型预测的不确定性，使得模型评估更可靠，能够更好地对不同模型进行性能排名。
缺点：
- 计算开销：生成和预测多个增强样本会增加计算量。特别是在大型模型和复杂任务中，可能导致推理时间的显著增加，限制了TTA的实际应用。
- 可能造成过拟合：对于已包含在训练数据中的变换或扰动，如果在测试时反复应用，可能会导致模型对这些特定样本的过拟合，从而影响模型的泛化能力。
TTA是一种常用的技术手段，通过应用数据增强和集成预测结果，可以提高深度学习模型在测试阶段的性能和鲁棒性。然而，TTA的应用需要平衡计算开销和预测准确性，并谨慎处理可能导致模型过拟合的问题。根据具体任务和需求，可以灵活选择合适的增强操作和集成策略来使用TTA。
下面是demo代码实现，如下所示：
import numpy as np
import torch
import torchvision.transforms as transformsdef test_time_augmentation(model, image, n_augmentations):# 定义数据增强的变换transform = transforms.Compose([transforms.ToTensor(),# 在此添加你需要的任何其他数据增强操作])# 存储多次预测结果的列表predictions = []# 对图像应用多次增强和预测for _ in range(n_augmentations):augmented_image = transform(image)augmented_image = augmented_image.unsqueeze(0) # 增加一个维度作为批次with torch.no_grad():# 切换模型为评估模式，确保不执行梯度计算model.eval()# 使用增强的图像进行预测output = model(augmented_image)_, predicted = torch.max(output.data, 1)predictions.append(predicted.item())# 执行多数投票并返回最终预测结果final_prediction = np.bincount(predictions).argmax()return final_prediction在前文鸟类细粒度识别项目实验中测试发现，应用TTA技术后，对应的评估指标上有明显的涨点，但是很明显地可以发现：在整个测试过程中资源消耗增加明显，且耗时显著增长，这也是TTA无法避免的劣势，在对精度要求较高的场景下可以有限考虑引入TTA，但是对于计算时耗要求较高的场景则不推荐使用TTA。
开源社区里面也有一些优秀的实现，这里推荐一个，地址在这里，如下所示：
目前有将近1k的star量，还是蛮不错的。
安装方法如下所示：
pip安装：
pip install ttach源码安装：
pip install git+https://github.com/qubvel/ttach Input| # input batch of images / / /|\ \ \ # apply augmentations (flips, rotation, scale, etc.)| | | | | | | # pass augmented batches through model| | | | | | | # reverse transformations for each batch of masks/labels\ \ \ / / / # merge predictions (mean, max, gmean, etc.)| # output batch of masks/labelsOutput目前支持分割、分类、关键点检测三种任务，实例使用如下所示：
Segmentation model wrapping [docstring]:
import ttach as tta
tta_model = tta.SegmentationTTAWrapper(model, tta.aliases.d4_transform(), merge_mode='mean')Classification model wrapping [docstring]:
tta_model = tta.ClassificationTTAWrapper(model, tta.aliases.five_crop_transform())Keypoints model wrapping [docstring]:
tta_model = tta.KeypointsTTAWrapper(model, tta.aliases.flip_transform(), scaled=True)data transforms 实例实现如下所示：
# defined 2 * 2 * 3 * 3 = 36 augmentations !
transforms = tta.Compose([tta.HorizontalFlip(),tta.Rotate90(angles=[0, 180]),tta.Scale(scales=[1, 2, 4]),tta.Multiply(factors=[0.9, 1, 1.1]), ]
)tta_model = tta.SegmentationTTAWrapper(model, transforms)Custom model (multi-input / multi-output)实现如下所示：
# Example how to process ONE batch on images with TTA
# Here `image`/`mask` are 4D tensors (B, C, H, W), `label` is 2D tensor (B, N)for transformer in transforms: # custom transforms or e.g. tta.aliases.d4_transform() # augment imageaugmented_image = transformer.augment_image(image)# pass to modelmodel_output = model(augmented_image, another_input_data)# reverse augmentation for mask and labeldeaug_mask = transformer.deaugment_mask(model_output['mask'])deaug_label = transformer.deaugment_label(model_output['label'])# save resultslabels.append(deaug_mask)masks.append(deaug_label)# reduce results as you want, e.g mean/max/min
label = mean(labels)
mask = mean(masks)Transforms详情如下所示：
| Transform | Parameters | Values |
|---|---|---|
| HorizontalFlip | - | - |
| VerticalFlip | - | - |
| Rotate90 | angles | List[0, 90, 180, 270] |
| Scale | scales interpolation | List[float] "nearest"/"linear" |
| Resize | sizes original_size interpolation | List[Tuple[int, int]] Tuple[int,int] "nearest"/"linear" |
| Add | values | List[float] |
| Multiply | factors | List[float] |
| FiveCrops | crop_height crop_width | int int |
支持的结果融合方法如下：
mean
gmean (geometric mean)
sum
max
min
tsharpen (temperature sharpen with t=0.5)