
Этот текст это перевод блог поста Multi-Target in Albumentations от 27 июля 2020. Автор есть на Хабре, но переводить текст на русский поленился. И этот перевод сделан по его просьбе.
Я перевела на русский все, что можно, но какие-то технические термины на английском звучат более естественно. В таком виде они и оставлены. Если вам в голову приходит адекватный перевод комментируйте поправлю.
Аугментации изображений это интерпретируемый метод регуляризации. Вы преобразуете существующие размеченные данные в новые, тем самым увеличивая размер датасета.

Вы можете использовать Albumentations в PyTorch,Keras,Tensorflow или любом другом фреймворке, который может обрабатывать изображение как numpy array.
Лучше всего библиотека работает со стандартными задачами классификации, сегментации, детекции объектов и ключевых точeк. Чуть реже встречаются задачи, когда в каждом элементе тренировочной выборки не один, а множество различных объектов.
Для такого рода ситуаций была добавлена функциональность multi-target.
Ситуации, где это может пригодиться:
- Сиамские сети
- Обработка кадров в видео
- Задачи Image2image
- Multilabel semantic segmentation
- Instance segmentation
- Panoptic segmentation
Немного выпендрежа, для привлечения внимания :)
- Библиотека родилась из топовых решений с Kaggle и других площадок соревновательного машинного обучения. В основной команде разработчиков один Kaggle Grandmaster, триKaggle Masters, одинKaggle Expert.
- Селим Сефербеков, победитель конкурса Deepfake Challenge с призовыми в миллион долларов, использовал Albumentations в своем решении.
- Библиотека является частью PyTorch ecosystem
- 5700 звезд наGitHub.
- Библиотеку цитировали в научных статьях более 80 раз . Упоминали в трех книгах.
В течение последних трех лет мы работали над функциональностью и оптимизировали производительность.
Сейчас же мы сосредоточились на документацииитуториалах.
Как минимум раз в неделю пользователи просят добавить поддержку преобразования для нескольких сегментационных масок.
Она у нас уже давно есть. :)
В этой статье мы поделимся примерами того, как работать с multiple targets в albumentations.
Сценарий 1: Одно изображение, одна маска

Наиболее распространенным вариантом использования является сегментация изображений. У вас есть изображение и маска. Вы хотите применить к ним набор пространственных преобразований, и это должен быть один и тот же набор.
В этом коде мы применяем HorizontalFlipиShiftScaleRotate.
import albumentations as Atransform = A.Compose([ A.HorizontalFlip(p=0.5), A.ShiftScaleRotate(border_mode=cv2.BORDER_CONSTANT, scale_limit=0.3, rotate_limit=(10, 30), p=0.5)], p=1)transformed = transform(image=image, mask=mask)image_transformed = transformed['image']mask_transformed = transformed['mask']
Ссылка на gistfile1.py
Сценарий 2: Одно изображение и несколько масок

Для некоторых задач у вас может быть несколько меток, соответствующих одному и тому же пикселю.
Давайте применим HorizontalFlip,GridDistortion,RandomCrop.
import albumentations as Atransform = A.Compose([ A.HorizontalFlip(p=0.5), A.GridDistortion(p=0.5), A.RandomCrop(height=1024, width=1024, p=0.5), ], p=1)transformed = transform(image=image, masks=[mask, mask2])image_transformed = transformed['image']mask_transformed = transformed['masks'][0]mask2_transformed = transformed['masks'][1]
Ссылка на gistfile1.pyСценарий 3: Несколько изображений, масок, ключевых точек и боксов

Вы можете применить пространственные преобразования к нескольким целям.
В этом примере мы имеем два изображения, две маски, два бокса и два набора ключевых точек.
Давайте применим последовательность изHorizontalFlipиShiftScaleRotate.
import albumentations as Atransform = A.Compose([A.HorizontalFlip(p=0.5), A.ShiftScaleRotate(border_mode=cv2.BORDER_CONSTANT, scale_limit=0.3, p=0.5)], bbox_params=albu.BboxParams(format='pascal_voc', label_fields=['category_ids']), keypoint_params=albu.KeypointParams(format='xy'), additional_targets={ "image1": "image", "bboxes1": "bboxes", "mask1": "mask", 'keypoints1': "keypoints"}, p=1)transformed = transform(image=image, image1=image1, mask=mask, mask1=mask1, bboxes=bboxes, bboxes1=bboxes1, keypoints=keypoints, keypoints1=keypoints1, category_ids=["face"] )image_transformed = transformed['image']image1_transformed = transformed['image1']mask_transformed = transformed['mask']mask1_transformed = transformed['mask1']bboxes_transformed = transformed['bboxes']bboxes1_transformed = transformed['bboxes1']keypoints_transformed = transformed['keypoints']keypoints1_transformed = transformed['keypoints1']
Ссылка на gistfile1.py
Q: Можно ли работать более чем с двумя изображениями?
А: Вы можете брать столько изображений, сколько захотите.
Q: Должно ли количество изображений, маски, боксов и ключевых точек быть одинаковым?
A: У вас может быть N изображений, M масок, K ключевых точек и B боксов. N, M, K и B могут быть разными.
Q: Существуют ли ситуации, когда функциональность multi target не сработает или сработает не так как ожидалось?
A: В целом, вы можете использовать multi-target для набора изображений, имеющих разные размеры. Некоторые преобразования зависит от входных данных. Например, вы не можете выполнить сделать crop, который больше самого изображения. Другой пример: MaskDropout, который может зависеть от исходной маски. Как он поведет себя, когда у нас будет набор масок, непонятно. На практике они встречаются крайне редко.
Q: Сколько преобразований можно сочетать вместе?
A: Вы можете сочетать преобразования в сложный пайплайн кучей разных способов.
В библиотеке более 30 пространственных преобразований. Все они поддерживают изображения и маски, большинство поддерживают боксы и ключевые точки.

Ссылка на источник
Их можно сочитать с более чем 40 преобразованиями,которые изменяют значения пикселей изображения. Например:RandomBrightnessContrast,Blur, или что-то более экзотическое, напримерRandomRain.
Дополнительная документация
- Полный лист преобразований
- Преобразования масок для задач cегментации
- Bounding boxes аугментация для обнаружения объектов
- Преобразования ключевых точек
- Синхронное преобразование масок, боксов и ключевых точек
- С какой вероятностью применяются преобразования в пайплайне
Заключение
Работа над open-source проектом сложная, но очень увлекательна. Я хотел бы поблагодарить команду разработчиков:
и всех контрибьюторов,которые помогли создать библиотеку библиотеку и довести ее до текущего уровня.