【AI课程领学】第七课 · 数据扩充与预处理（课时2） 特殊的数据扩充方式：MixUp/CutMix、RandAugment、Mosaic、时序增强与“遥感/科学数据”增强（含代码）

【AI课程领学】第七课 · 数据扩充与预处理（课时2） 特殊的数据扩充方式：MixUp/CutMix、RandAugment、Mosaic、时序增强与“遥感/科学数据”增强（含代码）

---

---

欢迎铁子们点赞、关注、收藏！
祝大家逢考必过！逢投必中！上岸上岸上岸！upupup

大多数高校硕博生毕业要求需要参加学术会议，发表EI或者SCI检索的学术论文会议论文。详细信息可扫描博文下方二维码 “学术会议小灵通”或参考学术信息专栏：https://ais.cn/u/mmmiUz
详细免费的AI课程可在这里获取→www.lab4ai.cn

---

前言

当你已经掌握了翻转旋转这类“简单增强”，下一步会遇到问题：

• 模型仍然对分布漂移敏感、对小样本/长尾类不稳、对遮挡与噪声鲁棒性不足。
• 此时就需要更“结构化”的增强策略，它们往往能显著提升泛化，但也更容易踩坑。

这一篇我们分 5 类来讲：

1. 样本混合类：MixUp / CutMix
2. 自动化策略：RandAugment / AutoAugment
3. 目标检测常用：Mosaic / Copy-Paste
4. 时序数据增强：抖动、缩放、时间扭曲、遮挡
5. 遥感/科学数据增强：多光谱一致性、云遮挡模拟、辐射扰动

1. MixUp：在输入与标签空间做线性插值

MixUp 的思想：

• 随机取两张样本 $(x_i,y_i),(x_j,y_j)$
• 生成新样本：
  
• 其中 $\lambda \sim Beta(\alpha ,\alpha )$；它的本质是“让决策边界更平滑”，减少过拟合。

1.1 PyTorch 实现（分类）

import torch
import torch.nn.functional as F

def mixup_data(x, y, alpha=0.2):
    if alpha <= 0:
        return x, y, y, 1.0
    lam = torch.distributions.Beta(alpha, alpha).sample().item()
    batch_size = x.size(0)
    index = torch.randperm(batch_size).to(x.device)
    mixed_x = lam * x + (1 - lam) * x[index]
    y_a, y_b = y, y[index]
    return mixed_x, y_a, y_b, lam

def mixup_loss(logits, y_a, y_b, lam):
    return lam * F.cross_entropy(logits, y_a) + (1 - lam) * F.cross_entropy(logits, y_b)

• 训练时：

# x: (B,C,H,W), y: (B,)
x_mix, y_a, y_b, lam = mixup_data(x, y, alpha=0.2)
logits = model(x_mix)
loss = mixup_loss(logits, y_a, y_b, lam)

实践建议：

• 小数据集、强模型（ResNet/ViT）通常收益明显
• 对细粒度分类要谨慎（MixUp 会混合局部纹理导致标签含糊）

2. CutMix：用区域裁剪替代线性叠加

• CutMix 从一张图中剪一块矩形区域贴到另一张图上，并按面积比例混合标签：
  
• 它比 MixUp 更符合“物体遮挡/拼接”的真实情况。

2.1 PyTorch 实现（分类）

import numpy as np

def rand_bbox(W, H, lam):
    cut_rat = np.sqrt(1. - lam)
    cut_w = int(W * cut_rat)
    cut_h = int(H * cut_rat)

    cx = np.random.randint(W)
    cy = np.random.randint(H)

    x1 = np.clip(cx - cut_w // 2, 0, W)
    y1 = np.clip(cy - cut_h // 2, 0, H)
    x2 = np.clip(cx + cut_w // 2, 0, W)
    y2 = np.clip(cy + cut_h // 2, 0, H)
    return x1, y1, x2, y2

def cutmix_data(x, y, alpha=1.0):
    lam = np.random.beta(alpha, alpha)
    B, C, H, W = x.shape
    index = torch.randperm(B).to(x.device)

    x1, y1, x2, y2 = rand_bbox(W, H, lam)
    x_cut = x.clone()
    x_cut[:, :, y1:y2, x1:x2] = x[index, :, y1:y2, x1:x2]

    lam = 1 - ((x2-x1) * (y2-y1) / (W * H))
    y_a, y_b = y, y[index]
    return x_cut, y_a, y_b, lam

3. RandAugment：用更少超参数自动搜索增强组合

RandAugment 的思路：

• 从一组预定义增强操作里随机选 N 个
• 每个操作强度由 M 控制
• 两个超参数：N 和 M

在工程上比 AutoAugment 更容易用。

在 torchvision 中可直接用：

from torchvision import transforms

train_tf = transforms.Compose([
    transforms.RandomResizedCrop(224),
    transforms.RandAugment(num_ops=2, magnitude=9),
    transforms.ToTensor(),
])

• 注意：对多光谱数据不一定适用，因为 RandAugment 默认针对 RGB 颜色空间设计（遥感增强要定制）。

4. 检测/分割常用：Mosaic、Copy-Paste、Random Erasing

• Mosaic：4 张图拼成 1 张，增加尺度变化与小目标数量
• Copy-Paste：把前景实例从一张图复制到另一张图（分割很常用）
• Random Erasing / Cutout：模拟遮挡

这些更偏工程实现，建议用成熟框架（MMDetection、YOLO 系列）或 albumentations 的对应实现。

5. 时序数据增强：抖动、缩放、时间扭曲、遮挡（适合传感器/气象/生态序列）

假设序列形状为 (B, T, D)，常用增强：

1. Jitter（加噪）：模拟测量误差
2. Scaling（幅值缩放）：模拟传感器标定漂移
3. Time warping（时间轴扭曲）：模拟速度变化
4. Time masking（时间遮挡）：模拟缺测

5.1 PyTorch：简单时序增强函数

import torch

def ts_jitter(x, sigma=0.02):
    return x + sigma * torch.randn_like(x)

def ts_scaling(x, sigma=0.1):
    # 每个样本一个缩放因子
    factor = torch.randn(x.size(0), 1, 1, device=x.device) * sigma + 1.0
    return x * factor

def ts_time_mask(x, mask_ratio=0.1):
    B, T, D = x.shape
    m = int(T * mask_ratio)
    if m <= 0:
        return x
    start = torch.randint(0, T - m + 1, (B,), device=x.device)
    x2 = x.clone()
    for i in range(B):
        x2[i, start[i]:start[i]+m, :] = 0.0
    return x2

• 训练中可随机组合：

x_aug = ts_time_mask(ts_scaling(ts_jitter(x)))

6. 遥感/科学数据增强：为什么不能直接套 RGB 增强？

遥感（尤其多光谱/高光谱）增强需要遵守物理一致性：

• 每个波段是不同波长的反射率/辐射量
• 任意颜色抖动可能破坏谱形状（导致不物理）
• 但可以做“辐射一致”的增广，例如整体增益、加性噪声、雾霾/大气散射模拟、云遮挡模拟等

6.1 一个“谱一致”的增益 + 偏置增强（多波段通用）

def spectral_affine(x, gain_sigma=0.05, bias_sigma=0.02):
    """
    x: (B, C, H, W) 多波段
    对每个样本施加全波段一致的 gain 与 bias（或也可对每波段独立）
    """
    B, C, H, W = x.shape
    gain = torch.randn(B, 1, 1, 1, device=x.device) * gain_sigma + 1.0
    bias = torch.randn(B, 1, 1, 1, device=x.device) * bias_sigma
    return x * gain + bias

• 如果你希望更真实，可以“每波段不同 gain”，但要限制范围，避免谱形状破坏过大。

7. 小结与选择建议

• MixUp/CutMix：提升泛化、对小样本很有效
• RandAugment：快速提升强增强能力
• 检测/分割：Mosaic/Copy-Paste 更常用
• 时序增强：缺测/噪声/漂移更贴近真实
• 遥感增强：优先物理一致（增益、噪声、遮挡模拟），谨慎 ColorJitter

下一篇进入“深度学习数据预处理”：从数据质量、归一化、数据泄漏、划分策略、到 DataLoader 性能与可复现性，给你一套可直接照抄的工程清单。