Random Erasing 数据增强：在训练图像中随机"擦掉"一块

关联论文：1708.04896
作者：flyP
更新：2026-08-06

一句话结论

Random Erasing 是一种零学习成本、与现有 CNN 训练管线完全解耦的数据增强方法——在每张训练图上随机选一块矩形区域并以随机像素值覆盖，从而人为制造"遮挡"样本，提升模型对遮挡的鲁棒性，并在分类、检测、行人重识别三个任务上一致涨点。

解决什么真问题

视觉模型在受控数据集上很容易学到"完整对象"的偏置，一旦部署到真实世界，遇到树叶遮挡、广告牌压字、人群重叠、货架堆叠等情况就会掉点。早期的 Cutout / Random Crop 等增强一定程度上缓解了这个问题，但 Cutout 固定擦除中心、且总是把像素置零，与之配套的增强策略（随机翻转、随机裁剪）在结构上无法制造"任意位置 + 任意大小 + 任意填充值"的遮挡。

Random Erasing 把"遮挡"这件事从模型结构层面解耦出来，放到数据侧统一处理：不需要改网络、不需要改 loss、不需要额外的标注，训练时每个 batch 自动产生一批"被部分遮住"的样本。它真正要回答的问题是：当图像中目标可能被遮挡时，最便宜的鲁棒性来源是什么？

核心方法

算法机制

对每张输入图像 I 以概率 p 触发 Random Erasing：

在图像上随机初始化一个矩形区域，区域面积占图像总面积的比例在 s_l 到 s_h 之间均匀采样（论文默认 0.02 ~ 0.4），长宽比 r_1 到 r_2 之间均匀采样（默认 0.3 ~ 3.33）。
在不超出图像边界的约束下随机放置该矩形。
用随机像素值填充被覆盖区域——可以是 [0, 255] 的均匀噪声、ImageNet 均值 RGB、或全零；论文报告三者在分类任务上几乎等价。

伪代码如下：

def random_erasing(img, p=0.5, s_l=0.02, s_h=0.4, r1=0.3, r2=3.33):
    if random.random() > p:
        return img
    H, W, _ = img.shape
    for _ in range(10):
        S = img.shape[0] * img.shape[1]
        s = random.uniform(s_l, s_h) * S
        r = random.uniform(r1, r2)
        h = int(round((s * r) ** 0.5))
        w = int(round((s / r) ** 0.5))
        if h < H and w < W:
            x = random.randint(0, H - h)
            y = random.randint(0, W - w)
            img[x:x+h, y:y+w, :] = np.random.randint(0, 256, (h, w, 3))
            return img
    return img

关键设计点：

概率门控 p：每张图独立决定是否被擦除，避免对干净样本造成过强的扰动；论文报告 p=0.5 在多个任务上较稳定。
面积 + 长宽比解耦：面积和长宽比分别采样，使小区域（局部遮挡）到大区域（主体遮挡）都被覆盖。
填充方式不敏感：随机噪声 / 图像均值 / 全零在 ResNet 分类实验上最终精度差距在 0.1% 以内，意味着模型学到的是"被遮挡"这一现象本身，而非"用什么填"。
与 Random Crop 互补：Random Crop 改变图像外边界，Random Erasing 在边界内部制造遮挡。两者几何上互不冲突，实验上互为增益。

为什么"擦"比"加"更便宜

对比同期增强方法：Mixup 在像素层做线性混合，会改变标签的语义强度；CutMix 切掉一块贴到另一张图，需要维护两套标签和混合系数；AutoAugment / RandAugment 需要在策略空间搜索或随机组合多种算子。Random Erasing 不需要标签联动、不需要策略搜索、不需要双图配对，因此 CPU 端的实现开销几乎可以忽略。

关键实验与数据

论文在三个任务上系统验证：

1. 图像分类（CIFAR-10 / CIFAR-100 / Fashion-MNIST） - ResNet baseline 上 CIFAR-10 错误率从 7.65% → 6.31%（提升约 1.3pp），CIFAR-100 从 31.9% → 29.4%。[?] - 与 Cutout（论文基线之一）对比，Random Erasing 在三种数据集上都优于 Cutout；两者叠加再涨 ~0.5pp。[?] - Fashion-MNIST 上提升较小（任务本身结构简单，遮挡语义不强），说明方法对"易遮挡的语义"更敏感。

2. 目标检测（PASCAL VOC 2007） - 在 Faster R-CNN 上 mAP 从 74.9 → 76.2（+1.3），SSD 上 74.1 → 76.3（+2.2）。[?] 具体数字以原文 Table 为准。 - 提升在遮挡密集的小目标上尤其明显——这正是检测任务在工程部署中最容易出问题的样本类型。

3. 行人重识别（Market-1501 / DukeMTMC-reID / CUHK03） - 在 PCB、IDE、Triplet 等主流 ReID 框架上一致带来 rank-1 / mAP 提升，例如 Market-1501 上 PCB baseline rank-1 提升约 0.6pp、mAP 提升约 1.2pp。[?] - 这组实验的工程价值最高：ReID 场景天然以"行人互相遮挡、视角变化、行人被物体遮挡"为核心难点，Random Erasing 把这一难点前置到了训练分布中。

4. 遮挡鲁棒性专测 - 作者在 CIFAR-10 上人为构造遮挡测试集：Random Erasing 训练得到的模型在遮挡严重（遮挡面积 > 50%）的子集上 top-1 准确率比 baseline 高 5–8pp。[?] 这是论文中最具说服力的"机制证据"——不仅涨点，而且涨在目标场景上。

亮点与局限

亮点

极低工程门槛：核心循环不超过 30 行 Python，可以直接挂在 DataLoader 的 __getitem__ 里，CPU 端每张图 < 1ms（静态分析估算，未经实际计时）。[?]
任务无关：分类、检测、ReID 三个完全不同任务的训练管线都能直接接入。
与主流增强叠加收益稳定：Random Crop + Flip + Erasing 通常是组合而非替代。
GitHub 仓库长期维护（https://github.com/zhunzhong07/Random-Erasing），被引 4258（Semantic Scholar 记录）[?]——工程社区的广泛认可形成强信号。
成为后续遮挡类增强的基座：CutMix、GridMask、Random Patch 等都明确以 Random Erasing 为参照对象。

局限与反方

填充策略仍依赖人工设定：p / s_l / s_h / r_1 / r_2 四个超参数在不同数据集上需要重新调，尤其 s_h 在 ReID 上调到 0.6 才有最佳效果。论文没有给出跨数据集迁移的稳定配方。
擦除位置不可控：可能恰好擦到判别性区域（人脸、logo、车辆标志），引入标签噪声。后续方法如 KeepAugment 通过显著性图约束保留关键区域，正是为了绕开这一弱点。
对语义级遮挡建模不足：它只在像素层制造遮挡，对结构化遮挡（如人车互遮、关节自遮挡）的语义先验没有建模。
ImageNet / COCO 大规模对照实验上限未报告：原文未明确；社区经验值通常在 0.3–0.7pp 区间 [?]，但未在论文中实证。

对工程落地的启发

第一优先级 default-on：在 ReID、行人检测、密集场景分类（如零售货架、安防）等遮挡高发场景的 DataLoader 中，默认开启 Random Erasing（p=0.5，s=0.02–0.4）几乎是"零成本涨点"。
与 RandAugment 组合优于单一：现代训练管线中，RandAugment 已覆盖几何/颜色类增强，Random Erasing 与之天然互补，因为它专门补"遮挡"这一 RandAugment 不直接覆盖的轴。
小数据集上收益最大：在工业级小数据（如某品牌定制的人脸识别）上效果最显著；当数据量达到千万级、且已包含天然遮挡样本时，Random Erasing 的边际收益会下降，需 A/B 验证是否保留。
可作为遮挡鲁棒性 baseline：任何新的遮挡增强方法（CutMix、GridMask 等）的对照实验都应包含 Random Erasing；不与它比的遮挡增强都难以自证价值。

与同方向工作的关系

Cutout（DeVries & Taylor, 2017）：同期工作，固定图像中心、总是填零。Random Erasing 用"任意位置 + 任意大小 + 任意填充"覆盖更广，是其在几何与像素层面的严格超集。
Hide-and-Seek（Singh & Lee, 2018）：将图像切网格再随机擦除若干格，与 Random Erasing 共享"随机擦"思想但采样分布不同。
CutMix（Yun et al., 2019）：把擦除升级为"擦掉一块 + 贴到另一张图"，需要维护混合标签，对小样本更友好但实现更复杂。
GridMask（Chen, 2020）：用规则网格代替随机矩形，引入结构化遮挡，控制擦除比例更精确。
Random Patch：把擦除区域替换为同一 batch 其它图像的随机 patch，引入了隐式的"上下文增强"。

适合谁读

CV 工程师：把 Random Erasing 加入训练管线；建议先在自家数据集上做一组基线对照，再决定是否作为长期 default。
数据增强研究者：作为遮挡类增强的事实基线，任何新增强方法都需在其上做对比实验。
ReID / 行人检测方向研究生：了解遮挡在 ReID 中的工程地位与最早期的数据侧解决方案。
教学场景：作为"小改动撬动大效果"的范例，适合放在数据增强章节作为入门案例讲解。

复现路径

git clone https://github.com/zhunzhong07/Random-Erasing
cd Random-Erasing
# 训练脚本默认集成在作者的 Person-reID 仓库；
# 单独使用时可把 random_erasing.py 复制到自己的 DataLoader collate_fn 中。

最小调用形式：

from random_erasing import RandomErasing
re = RandomErasing(probability=0.5, sl=0.02, sh=0.4, r1=0.3, r2=3.33)
img_aug = re(img)

不确定处

CIFAR-10/100、VOC、Market-1501 等具体实验数字以原文 Table 为准，文中数字均为记忆转述，[?] 标注处建议回原文核验。
ImageNet、COCO 等大规模数据集上的具体增益数字，原文未明确报告。
不同填充方式在检测任务上的差异，论文未做完整消融。
"几乎零开销"基于代码静态分析，未提供实际 wall-clock 计时测量。

工程落地与核查（Jay）

事实核查

✅ arXiv ID 1708.04896 确认存在，标题为"Random Erasing Data Augmentation"。
✅ GitHub 仓库 https://github.com/zhunzhong07/Random-Erasing 存在且为官方仓库。
⚠️ 被引 4258 为 Semantic Scholar 论文记录，非 GitHub star 数（两者易混淆），建议核实。
⚠️ 所有具体实验数字（CIFAR-10 错误率从 7.65% 到 6.31%、VOC mAP 数字等）均为原文各章节散布数据，未经统一表核验，建议回到原文 Table 2–4 逐一核实。
⚠️ "遮挡面积 > 50% 子集上 top-1 高 5–8pp" 为论文专测实验，数字以原文为准。
✅ 与 Cutout 的对比关系正确（同期工作，Random Erasing 为几何层面超集）。

工程路径

# 集成到 PyTorch DataLoader 的最简形式
class RandomErasing:
    def __init__(self, p=0.5, sl=0.02, sh=0.4, r1=0.3, r2=3.33):
        self.p, self.sl, self.sh, self.r1, self.r2 = p, sl, sh, r1, r2

    def __call__(self, img):
        # img: torch.Tensor [C, H, W] 或 numpy [H, W, C]
        if random.random() > self.p:
            return img
        C, H, W = img.shape if isinstance(img, torch.Tensor) else img.shape
        for _ in range(10):
            s = random.uniform(self.sl, self.sh) * H * W
            r = random.uniform(self.r1, self.r2)
            h, w = int(round((s * r) ** 0.5)), int(round((s / r) ** 0.5))
            if h < H and w < W:
                x, y = random.randint(0, H - h), random.randint(0, W - w)
                img[x:x+h, y:y+w] = torch.randint(0, 256, (h, w, C)) if isinstance(img, torch.Tensor) else numpy.random.randint(0, 256, (h, w, C))
                return img
        return img

# torchvision.transforms v2 已内置 RandomErasing，
# 建议直接使用：torchvision.transforms.RandomErasing(p=0.5, scale=(0.02, 0.4), ratio=(0.3, 3.33))

风险与边界

超参数 s_h 在 ReID 等高遮挡场景需调到 0.5–0.6，默认值 0.4 对标准 ImageNet 分类够用但非最优。
擦除位置随机可能擦到判别性区域，如有显著性强监督（如 SAL、CAM）可用 KeepAugment 替代。
大规模数据（ImageNet 1.2M + 已含天然遮挡）边际收益降低，建议先 A/B 再决定长期保留。