4、数据增强：Mosaic、MixUp、HSV变换、随机缩放与裁剪、Albumentations库实战、增强效果可视化

数据增强，说白了就是给训练集「加料」。我刚开始做检测项目时，总觉得数据不够就多拍点照片呗。后来发现，很多场景你根本拍不全——比如大雾天、强逆光、目标被遮挡一半的情况。这时候，数据增强就是你的救命稻草。

YOLO 系列能这么火，数据增强策略功不可没。尤其是 Mosaic 和 MixUp，简直是给模型灌了一剂「强心针」。这一章，咱们就把这些增强手段挨个拆解一遍。

核心观点： 数据增强不是为了「凑数」，而是为了模拟真实世界的多样性。好的增强策略，能让模型在没见过的新场景下依然稳定输出。
YOLO 数据增强知识体系 数据增强策略 几何变换 随机缩放 · 裁剪 · 翻转 · 旋转 色彩变换 HSV 变换 · 亮度 · 对比度 · 噪声 混合增强 Mosaic · MixUp · CutMix 工具与实战 效果可视化 Albumentations 库：统一接口 · 高性能 · 与 YOLO 无缝集成

4.1 Mosaic 增强：一张图里塞四张

Mosaic 是 YOLOv4 开始引入的「杀手锏」。它把四张训练图片随机裁剪后拼成一张大图。你想想看，模型一次训练就能看到四个不同场景、不同尺度的目标。这相当于把 batch size 翻倍了，而且特别有利于小目标检测。

我在项目中遇到过一个问题：检测高空俯拍的车辆，小目标总是漏检。后来把 Mosaic 的缩放范围调大了一点，让拼图里的小车变得更小，模型反而学得更好了。嗯，这里有个小技巧——Mosaic 的缩放因子不要固定，最好随机化。

我的经验： Mosaic 的拼图中心点偏移量很关键。偏移太大，四张图重叠区域过多；偏移太小，边缘目标被切掉。我一般把偏移范围设在 [0.3, 0.7] 之间。

4.2 MixUp 增强：两张图叠一起

MixUp 更「暴力」——直接把两张图按一定比例叠加。标签也跟着按比例混合。比如一张图有「猫」，另一张有「狗」，混合后标签就是 0.7 猫 + 0.3 狗。

说实话，刚开始我觉得这操作有点反直觉。但实践证明，MixUp 能大幅提升模型的泛化能力。它相当于在特征空间里做了插值，让模型学会处理「模糊边界」的情况。

增强方法 核心思想 适用场景 我踩过的坑
Mosaic 四图拼一，尺度多样 小目标、密集场景 拼图边界出现伪目标
MixUp 两图叠加，标签混合 类别不平衡、过拟合 混合比例太极端导致训练不稳定
CutMix 裁剪一块贴到另一张图上 遮挡、局部特征学习 裁剪区域与目标重叠过多

4.3 HSV 变换：让模型不怕「变色」

HSV 变换就是调整图像的色相、饱和度和明度。说白了，就是给图片换滤镜。我见过很多团队只做随机亮度调整，结果模型一到黄昏场景就崩了。

我的习惯是：H 通道调 ±5°，S 通道调 ±30%，V 通道调 ±30%。这个范围基本覆盖了自然光照变化，又不会让图片变得太诡异。

注意： HSV 变换不要调过头。有一次我把饱和度调到了 ±80%，结果模型把红色消防栓和绿色灌木搞混了。因为颜色失真太严重，模型学到的颜色特征反而成了噪声。

4.4 随机缩放与裁剪：模拟多尺度

YOLO 本身是多尺度检测，但训练时如果图片尺寸一成不变，模型对尺度的鲁棒性还是不够。随机缩放和裁剪就是解决这个问题的。

具体做法：

  • 随机缩放：在 0.5x 到 1.5x 之间随机缩放图像
  • 随机裁剪：从大图中随机裁出一块，再 resize 到网络输入尺寸
  • 随机翻转：水平翻转概率 50%

我曾经犯过一个错误：把缩放范围设成了 0.3x 到 2.0x。结果很多图片被缩得太小，目标都变成像素点了。模型训练了 100 个 epoch，mAP 反而下降了。后来我把范围收窄到 0.6x 到 1.3x，效果立竿见影。

4.5 Albumentations 库实战

说到数据增强工具，Albumentations 是我最常用的库。它比 OpenCV 自带的函数快 3-5 倍，而且接口统一。你想想看，几十种增强方法，全用一套 API 调用，多省心。

下面是我在 YOLO 训练中常用的 Albumentations 配置：

import albumentations as A
from albumentations.pytorch import ToTensorV2

def get_train_augmentations(img_size=640):
    return A.Compose([
        # 几何变换
        A.RandomResizedCrop(height=img_size, width=img_size, scale=(0.6, 1.3)),
        A.HorizontalFlip(p=0.5),
        
        # 色彩变换
        A.HueSaturationValue(
            hue_shift_limit=5,
            sat_shift_limit=30,
            val_shift_limit=30,
            p=0.8
        ),
        A.RandomBrightnessContrast(
            brightness_limit=0.2,
            contrast_limit=0.2,
            p=0.8
        ),
        
        # 噪声与模糊
        A.GaussNoise(var_limit=(10.0, 30.0), p=0.3),
        A.Blur(blur_limit=3, p=0.2),
        
        # 归一化与张量化
        A.Normalize(mean=[0, 0, 0], std=[1, 1, 1]),
        ToTensorV2()
    ], bbox_params=A.BboxParams(
        format='yolo',
        label_fields=['class_labels']
    ))
避坑指南： 使用 Albumentations 时，一定要设置 bbox_params。否则增强后的图片和标注框对不上。我曾经忘了加这个参数，结果模型训练了三天，验证集 mAP 一直是 0。排查了半天才发现是标注框没跟着图片一起变换。

4.6 增强效果可视化

数据增强不是「黑盒操作」。我强烈建议你把增强后的图片可视化出来看看。很多时候，你以为的「增强」其实是在「破坏」数据。

可视化步骤：

  1. 从训练集中随机取 8-16 张图片
  2. 对每张图片应用增强 pipeline
  3. 把原图和增强图并排显示
  4. 检查标注框是否对齐、图片是否失真

我一般用 Matplotlib 做可视化，代码很简单：

import matplotlib.pyplot as plt
import numpy as np

def visualize_augmentations(dataset, num_samples=4):
    fig, axes = plt.subplots(num_samples, 2, figsize=(10, 4*num_samples))
    
    for i in range(num_samples):
        # 原图
        img, boxes, _ = dataset[i]
        axes[i, 0].imshow(img)
        axes[i, 0].set_title('Original')
        
        # 增强图
        augmented = get_train_augmentations()(
            image=np.array(img),
            bboxes=boxes,
            class_labels=['object']*len(boxes)
        )
        axes[i, 1].imshow(augmented['image'])
        axes[i, 1].set_title('Augmented')
    
    plt.tight_layout()
    plt.show()
我的习惯： 每次调整增强参数后，我都会跑一遍可视化。如果看到超过 20% 的图片出现标注框偏移或内容严重失真，我就知道参数设错了。这个习惯帮我避免了很多「训练完才发现数据有问题」的尴尬。

数据增强不是越多越好。我见过有人把十几种增强全堆上去，结果模型训练了 200 个 epoch 还在震荡。记住一个原则：增强策略要模拟真实场景，而不是创造「不存在」的场景。你想想看，如果训练集里全是扭曲变形的图片，模型怎么可能在正常图片上表现好？

← 上一章 📖 返回目录 下一章 →