37、提升模型训练效果与分割技术在结节检测中的应用

提升模型训练效果与分割技术在结节检测中的应用

1. 数据增强对训练的改进

在模型训练中，数据增强是一种有效的防止过拟合的方法。但要注意，有时“翻转”增强可能不会产生实际的翻转效果，而总是返回翻转后的图像与完全不进行翻转一样具有局限性。

为了观察数据增强的效果，我们将训练多个额外的模型，每个模型对应一种上一节讨论过的增强类型，并且还会有一个将所有增强类型组合起来的模型。训练完成后，我们会在 TensorBoard 中查看相关数据。

为了能够控制新增强类型的开启和关闭，我们需要将 augmentation_dict 的构建暴露到命令行界面。以下是相关代码：

self.augmentation_dict = {}
if self.cli_args.augmented or self.cli_args.augment_flip:
    self.augmentation_dict['flip'] = True
if self.cli_args.augmented or self.cli_args.augment_offset:
    self.augmentation_dict['offset'] = 0.1
if self.cli_args.augmented or self.cli_args.augment_scale:
    self.augmentation_dict['scale'] = 0.2
if self.cli_args.augmented or self.cli_args.augment_rotate:
    self.augmentation_di