4、数据增强：Mosaic、MixUp、CutMix、HSV扰动、随机缩放，实战中的增强组合拳。
数据增强，说白了就是“无中生有”。
你想想看，标注一张图要花多少时间？尤其是做目标检测，框得手都酸了。但模型又是个“贪吃鬼”，数据越多它学得越好。那怎么办？只能靠增强，把一张图变出十张来。
我刚开始做YOLO训练时，总觉得增强是锦上添花。直到有一次，项目deadline压得紧，训练集只有两千张图，我硬着头皮跑了一版。结果模型在验证集上mAP只有0.35，各种漏检。后来我加了Mosaic和MixUp，同样的数据量，mAP直接跳到0.52。嗯，从那以后，我再也不敢小看数据增强这步了。
核心观点：数据增强不是“凑数”，而是让模型学会“不变性”——不管目标怎么变（颜色、大小、遮挡、位置），它都能认出来。
4.1 四大金刚：Mosaic、MixUp、CutMix
这三个是YOLO系列最常用的“混合式”增强。它们有个共同点：把多张图拼成一张图。好处很明显——一张图里能看到多个场景、多个尺度，模型见过的“世面”一下子就大了。
4.1.1 Mosaic
Mosaic是YOLOv4开始用的，后来成了标配。做法很简单：随机取4张图，拼成一张2×2的大图。
我个人习惯把Mosaic开启概率设在0.5~0.8之间。太高了，模型容易“看花眼”；太低了，效果不明显。
我的经验：Mosaic对小目标检测特别有效。因为拼图后，很多目标会被缩得很小，模型被迫去学习小目标的特征。我在做交通标志检测时，加了Mosaic后，小标志的召回率提升了12%。
4.1.2 MixUp
MixUp更“暴力”——直接把两张图按比例叠加。比如图A透明度0.7，图B透明度0.3，合成一张新图。标签也跟着混合：一张图里同时有“0.7的猫”和“0.3的狗”。
我第一次看到这个做法时觉得有点扯：哪有图是半猫半狗的？但后来发现，模型在这种“模糊”边界中反而学得更鲁棒，不容易过拟合。
4.1.3 CutMix
CutMix是MixUp的“改良版”。它不叠加像素，而是从图B里切一块矩形区域，贴到图A上。标签按面积比例混合。
举个例子：图A是一辆车，图B是一只鸟。CutMix把鸟的区域贴到车的引擎盖上。那这张图的标签就是“0.8的车 + 0.2的鸟”。
| 增强方法 | 混合方式 | 标签处理 | 适用场景 |
|---|---|---|---|
| Mosaic | 4张图拼成2×2 | 各图标签独立保留 | 小目标、多尺度 |
| MixUp | 像素叠加 | 按比例混合标签 | 防止过拟合 |
| CutMix | 区域粘贴 | 按面积比例混合 | 遮挡、局部特征 |
4.2 颜色与几何扰动
除了“拼图”，还有两类增强也很关键：颜色扰动和几何扰动。
4.2.1 HSV扰动
HSV扰动就是随机调整图像的色调（Hue）、饱和度（Saturation）和明度（Value）。
我一般这样设参数：
- Hue：±0.015（别太大，否则颜色会失真）
- Saturation：±0.5
- Value：±0.4
为什么要调HSV？因为现实场景的光照变化太大了。同一个物体，白天和晚上拍出来颜色完全不一样。模型如果只见过“标准色”，换个光线它就认不出来了。
避坑指南：我曾经在一个工业质检项目里把Hue范围设到了±0.1，结果模型把红色零件和绿色零件搞混了。颜色扰动不是越大越好，要控制在“人眼还能分辨”的范围内。
4.2.2 随机缩放
随机缩放包括两种：
- 随机裁剪缩放：从原图上随机裁一块，再缩放到固定尺寸。这相当于模拟了目标在不同距离下的样子。
- 随机伸缩：把图拉宽或拉长，模拟视角变化。
我建议随机缩放的范围设在0.5~1.5之间。太小的缩放会让目标变得模糊，太大的缩放会让目标超出图像边界。
4.3 增强组合拳：怎么打才有效？
单独用某一种增强，效果有限。真正的“组合拳”是把多种增强串起来用。但顺序和概率很有讲究。
我常用的组合策略是这样的：
- 先做几何变换：随机缩放、随机裁剪、随机翻转。这些改变目标的位置和大小。
- 再做颜色变换：HSV扰动。模拟光照变化。
- 最后做混合增强：Mosaic或MixUp。这一步放在最后，因为混合增强会改变图像的“语义”，如果先做混合再做颜色，颜色扰动可能会破坏混合后的边界。
每个增强的概率我一般设在0.3~0.7之间。太低了等于没做，太高了模型学不到原始分布。
一个实用的配置参考（YOLOv8默认参数）：
- Mosaic：1.0（前10个epoch后降到0.0）
- MixUp：0.1
- HSV-Hue：0.015
- HSV-Saturation：0.7
- HSV-Value：0.4
- 随机缩放：0.5
4.4 增强策略的“动态调整”
这里有个很多人忽略的点：增强策略不是一成不变的。
我习惯在训练的不同阶段调整增强强度：
- 前10个epoch：增强拉满。让模型快速见过各种“奇形怪状”的样本。
- 中间10个epoch：逐步降低Mosaic和MixUp的概率。让模型回归到“正常”的样本分布。
- 最后5个epoch：关闭所有增强。只用原始数据做微调，让模型“收心”。
为什么这么做？因为前期模型啥都不懂，需要大量“刺激”来学习特征。后期模型已经学得差不多了，再用增强反而会干扰它“精雕细琢”。
小技巧：你可以用学习率调度器来联动增强强度。学习率大的时候增强也大，学习率小的时候增强也小。这样模型在“大步快跑”时多见识，在“小步慢走”时多专注。
4.5 数据增强的“副作用”与应对
增强不是万能的。用不好，反而会拖后腿。
我遇到过两个典型问题：
- 增强过度导致标签错误：比如Mosaic拼图时，两个目标重叠了，标签框也跟着重叠。模型看到的是“一个框里有两个目标”，它不知道该学哪个。
- 增强分布与真实场景偏差太大：比如做工业检测，产品都是固定角度拍的。你加了随机旋转90度，模型反而学歪了。
我的教训：有一次做车牌识别，我加了大量HSV扰动，把车牌颜色调得五花八门。结果模型在真实场景下，把蓝色车牌和绿色车牌搞混了。后来我才意识到：车牌颜色是有严格标准的，不能随便扰动。增强要“尊重”真实世界的约束。
4.6 本章小结：增强组合拳的核心逻辑
下面这张图总结了数据增强的完整流程和决策逻辑：
数据增强没有“万能配方”。你需要根据你的数据特点、任务场景、模型规模来调。但有一条原则是通用的：增强后的数据分布，不能偏离真实场景太远。
我建议你每次调整增强参数后，都可视化一批增强后的样本，看一眼再决定要不要继续调。眼睛不会骗你。