自动数据增强
Parent: ai_keywords
自动数据增强（AutoAugment）
核心定义
自动数据增强（AutoAugment）是通过自动化搜索算法，从预定义的图像变换操作（如旋转、缩放、色彩抖动、Cutout等）及其参数范围中，组合出最优的数据增强策略，以最大化模型在验证集上的性能。其核心思想是将数据增强视为超参数优化问题，利用强化学习、贝叶斯优化或可微分搜索等方法，自动发现针对特定任务、数据集最有效的增强流水线，从而替代人工经验调参，提升模型泛化能力。
关键技术点
- 搜索空间设计：定义候选操作集（如平移、剪切、翻转、亮度调整、弹性变形等）和可调节参数（如幅度、概率）。搜索空间的大小直接影响算法效率与策略质量。
- 策略搜索算法：包括基于强化学习的方法（如PPO训练控制器生成子策略）、基于网格搜索（如Population Based Augmentation）和基于梯度的方法（如可差分数据增强，DADA）。后者通过松弛离散选择实现端到端优化。
- 代理任务与加速：为降低搜索成本，通常在缩小的模型（如ResNet-18）和少量训练 epochs 上运行搜索，然后迁移到完整模型。近年来也利用代理指标（如损失变化率）指导搜索。
- 多样性控制：避免过拟合到单一变化，常用策略包括随机采样（RandAugment）、多子策略组合（AutoAugment 中每个批次使用一个随机子策略）以及混合增强（Mixup、CutMix）与自动搜索的融合。
- 领域自适应增强：针对医学图像（如低对比度、有限标注）可自定义领域专用操作（如弹性形变、高斯噪声、仿射变换），并调整搜索空间使其符合解剖学合理性。
医学/神经科学应用场景
在首都医科大学神经病学相关研究中，自动数据增强被用于脑卒中病灶分割。急性缺血性脑卒中患者的弥散加权成像（DWI）常因病例稀少、病灶形态多变且标注成本极高，导致深度学习模型过拟合。研究者基于 AutoAugment 框架，将搜索空间定制为适用于脑部 MRI 的操作集，包括随机弹性形变（模拟脑组织受压）、对比度拉伸、局部高斯噪声（模拟序列噪声）以及 Cutout（模拟微小梗死灶丢失）。在经过代理搜索（使用轻量级 U-Net 在 50 个训练 epoch 内搜索）后，将最优策略迁移至完整分割网络（如 nnU-Net）。实验表明，该方法在内部测试集上将病灶分割 Dice 系数从 0.72 提升至 0.78，且模型对多中心、不同扫描参数的数据具备更强的鲁棒性，显著缓解了数据稀缺带来的泛化瓶颈。
