Beyond Nearest Neighbor Interpolation in Data Augmentation

Resumen Técnico: Más Allá de la Interpolación del Vecino Más Cercano en la Aumento de Datos

Enunciado del Problema
Las actuales cadenas de procesamiento de aprendizaje profundo para segmentación semántica y detección de objetos dependen en gran medida del aumento de datos para mejorar la generalización del modelo. Sin embargo, las transformaciones geométricas estándar suelen emplear Interpolación del Vecino Más Cercano (NNI o NPI) para etiquetas categóricas (máscaras) a fin de evitar valores de píxel indefinidos, mientras que utilizan métodos de orden superior (por ejemplo, bilineal, bicúbica) para los datos de imagen. El autor argumenta que esta dependencia de la NNI introduce dos riesgos críticos:

1. Exacerbación de Errores de Anotación: La dependencia de la NNI de funciones de redondeo crea artefactos pesados de "bordes dentados", lo que genera desajustes entre los límites de clase y los límites de los objetos, empeorando así las imperfecciones existentes en la anotación a nivel de píxel.
2. Pérdida de Detalle Estructural: Aunque la NNI evita etiquetas indefinidas, ignora el riesgo de degradar los detalles estructurales de alta frecuencia. Por el contrario, los algoritmos estándar de Interpolación de Píxeles Extra (EPI) (bilineal, bicúbica) utilizados para imágenes introducen efectos de filtrado paso bajo que pueden degradar los detalles estructurales en las regiones anotadas.

La literatura existente ha abordado la incertidumbre en las anotaciones o el ruido de las etiquetas, pero no ha investigado suficientemente el impacto negativo específico de la NNI en el rendimiento de los modelos de segmentación ni los beneficios potenciales de aplicar algoritmos EPI a etiquetas categóricas durante el aumento de datos.

Metodología
El autor propone una cadena de aumento de datos modificada que reemplaza la NNI estándar para máscaras con algoritmos EPI, acoplada a un mecanismo para manejar las etiquetas categóricas resultantes indefinidas.

• Transformación Geométrica Modificada: La función imwarp estándar se modifica para permitir el uso de algoritmos EPI (Bilineal y Bicúbica) en la transformación de máscaras categóricas, en lugar de estar restringida a la NNI.
• Filtrado de Clases Basado en la Media (Filtro Global - GF): Para mitigar el riesgo de generar valores de píxel "no deseados" (etiquetas indefinidas) al utilizar EPI en máscaras, se integra un mecanismo de filtrado directamente en el proceso de aumento de datos. Para la segmentación binaria, este Filtro Global utiliza la media ($\mu$) de los valores de píxel de la máscara transformada como umbral:
  • Si un valor de píxel $P(x,y) > \mu$, se establece en la clase de primer plano (255).
  • Si $P(x,y) \le \mu$, se establece en la clase de fondo (0).
  • Los valores originales 0 o 255 se preservan.
  • Nota: El artículo reconoce que esta implementación se probó en tareas binarias, pero sugiere que puede extenderse a escenarios multiclase mediante umbralización específica por clase.
• Cadena de Aumento de Datos Offline: Se implementó una cadena offline para generar conjuntos de datos aumentados específicos de la interpolación. Esto permitió una evaluación cuantitativa controlada de los efectos del filtrado paso bajo. La cadena generó dos copias aumentadas para cada imagen de entrenamiento original.
• Conjuntos de Datos y Modelos:
  • Segmentación Semántica: Evaluado en tres conjuntos de datos de imágenes médicas (Histología de Mama, Resonancia Magnética Cerebral, Pólipos de Colon) utilizando U-Net, SegNet y DeepLabV3+ (con backbone ResNet50).
  • Detección de Objetos: Evaluado en conjuntos de datos XBAT+ (identificación de Baterías-RAEE) utilizando YOLOv26.
• Evaluación: El rendimiento se midió utilizando Exactitud, Recall, Precisión, Intersección sobre Unión (IoU), Puntuación F1 (BF1), meanBFScore, puntuación Dice y mAP@50. Los resultados se analizaron mediante puntuaciones crudas y sumas basadas en rangos para visualizar las diferencias de rendimiento.

Contribuciones Clave

1. Rechazo de la NNI para Máscaras: El trabajo desafía el uso rutinario de la NNI para el aumento de máscaras, demostrando que no es la única solución para etiquetas indefinidas y que a menudo degrada el rendimiento al exacerbar los errores de anotación.
2. Mecanismo de Filtrado Integrado: La propuesta de un mecanismo de filtrado interno basado en la media (GF) que permite el uso seguro de algoritmos EPI en etiquetas categóricas sin producir clases indefinidas.
3. Marco de Aumento de Datos Offline: La creación de una cadena offline para generar y almacenar datos de entrenamiento específicos de la interpolación, permitiendo una comparación directa de cómo diferentes métodos de interpolación (NPI vs. EPI) afectan el rendimiento del modelo y la preservación del detalle estructural.
4. Análisis Empírico Exhaustivo: Una evaluación sistemática en múltiples arquitecturas (U-Net, SegNet, DeepLabV3+, YOLOv26) y conjuntos de datos diversos (médicos e industriales) para determinar la estrategia de interpolación óptima.

Resultados Experimentales
El estudio arrojó resultados mixtos pero reveladores, dependiendo de la arquitectura y la tarea:

• Segmentación Semántica:
  • U-Net y SegNet: La configuración BIC_BIC (interpolación bicúbica tanto para imágenes como para máscaras) generalmente superó a la tradicional NEA_NEA (Vecino más cercano para ambos) en la mayoría de las métricas (Exactitud, Dice, IoU, meanBFScore), particularmente en los conjuntos de datos Cerebral y Colon. Los resultados cualitativos mostraron que las máscaras BIC_BIC eran más compactas y más cercanas a la verdad fundamental, mientras que NEA_NEA introdujo regiones de falsos positivos.
  • DeepLabV3+: Los resultados fueron menos definitivos. Aunque las sumas basadas en rangos a veces favorecían a NEA_NEA, las tablas de puntuaciones crudas indicaron que las configuraciones híbridas (por ejemplo, NEA_BIL o NEA_BIC) a menudo lograban el mejor rendimiento, lo que sugiere que la estrategia óptima depende de la arquitectura.
• Detección de Objetos (YOLOv26):
  • El aumento Bicúbico (BIC) proporcionó el mAP@50 y la Precisión más altos para ambos conjuntos de datos RGBD y HQD, produciendo detecciones más confiables y limpias.
  • El aumento Bilineal (BIL) obtuvo consistentemente el Recall más alto, detectando más objetos pero con una precisión ligeramente inferior en comparación con BIC.
  • NEA generalmente tuvo un rendimiento inferior a los métodos EPI en términos de mAP y Precisión.

Significado y Afirmaciones
El artículo afirma que la elección del algoritmo de interpolación en las transformaciones geométricas no es un paso de preprocesamiento neutral, sino un factor crítico que influye en el rendimiento del modelo.

• Ganancias de Rendimiento: El estudio demuestra que avanzar más allá de la NNI hacia algoritmos EPI, cuando se combina con un filtrado apropiado, puede generar ganancias de rendimiento en múltiples métricas cuantitativas.
• Preservación Estructural: El marco propuesto contribuye a la reducción de la exacerbación de errores de anotación y a la preservación de detalles estructurales de alta frecuencia dentro de las regiones anotadas.
• Optimización Dependiente del Contexto: El trabajo destaca que la estrategia de interpolación "mejor" no es universal; depende de la arquitectura específica de la CNN y de las características del conjunto de datos. Por ejemplo, mientras que U-Net y SegNet se beneficiaron significativamente de la EPI completa (BIC_BIC), DeepLabV3+ mostró resultados variados, y YOLOv26 mostró una compensación entre Precisión (favorecida por BIC) y Recall (favorecida por BIL).
• Aplicabilidad Futura: El autor concluye que el marco propuesto es extensible a otras arquitecturas de modelos y conjuntos de datos de imágenes, abogando por elecciones de interpolación flexibles en las cadenas de aumento de datos en lugar de recurrir por defecto a la interpolación del vecino más cercano.