计算机视觉 / 系统课时

数据增强

数据增强

数据增强通过对训练图像和标注做一致变换,在不新增采集成本的前提下扩展样本分布。本课将说明翻转、缩放、颜色变化与组合增强怎样影响 YOLO 训练,并给出判断增强是否过度的实用标准。

学习目标

  • 理解常见数据增强改变了图像的哪些信息
  • 掌握图像与边界框必须同步变换的原则
  • 能根据验证指标识别增强不足或增强过度

数据增强解决什么问题

目标检测模型容易记住有限训练集中的背景、光照和拍摄角度。数据增强会从原样本生成合理变体,让模型学习“目标本身的稳定特征”,而不是依赖固定位置、颜色或场景。

增强的前提是语义不变。例如水平翻转通常不会改变“汽车”类别,但把交通标志任意旋转 180° 可能制造现实中不存在的样本。增强不是越强越好,而是要让生成数据仍符合部署环境。

四类常见增强

水平翻转改变目标的左右位置,可降低模型对固定朝向的依赖。缩放和随机裁剪改变目标在画面中的大小与可见范围,适合模拟远近变化,但不能把关键目标裁掉得过多。

颜色变化通常包括亮度、对比度、饱和度和色调扰动,用于模拟阴天、室内灯光或相机曝光差异。它只改变像素,不改变边界框坐标。

Mosaic、MixUp 等组合增强会把多张图像放入同一训练样本,使一批数据同时出现更多目标和尺度。它们能提升小目标与复杂场景的学习效率,但也更容易产生不自然边界。

常见数据增强对图像与标注的影响

边界框必须同步变换

检测任务不仅要改变图像,还要更新标注。以宽度为 W 的图像为例,水平翻转后,采用左上角和右下角坐标表示的边界框可按下面方式计算:

x1′=W−x2,x2′=W−x1x_1' = W - x_2,\quad x_2' = W - x_1

下面的完整 Python 示例演示坐标变换:

python
def horizontal_flip_box(box, image_width):
    x1, y1, x2, y2 = box
    # 翻转后左右边界互换,并以图像宽度重新计算横坐标
    return (image_width - x2, y1, image_width - x1, y2)

def main():
    image_width = 640
    original_box = (100, 80, 260, 220)
    flipped_box = horizontal_flip_box(original_box, image_width)

    print(f"original={original_box}")
    print(f"flipped={flipped_box}")

if __name__ == "__main__":
    main()

预期输出:

text
original=(100, 80, 260, 220)
flipped=(380, 80, 540, 220)

若只翻图而不改框,模型会收到错误监督信号:目标出现在右侧,标注却仍留在左侧。实际训练框架通常自动完成同步变换,但自定义数据管道时必须单独验证。

如何判断增强是否过度

增强不足时,训练集指标持续变好,而验证集很快停滞,模型对新光照或新角度表现差。增强过度时,训练损失长期偏高,正常样本也学不稳,验证结果可能比关闭强增强更差。

调整时一次只改变一类增强,并固定随机种子与训练轮数。先保留符合真实场景的翻转、缩放和轻度颜色变化,再逐步增加 Mosaic 等强增强,比较验证集的精确率、召回率和 mAP,而不是只看训练损失。

Tips:训练后期适当减弱或关闭强组合增强,能让模型重新适应接近真实分布的图像。

按自己的节奏,确认真正理解。

目录与阅读设置

记录一个想法

数据增强

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通