简介面向YOLOv5等目标检测与分割训练的数据增强工具适合标注数据有限、希望在不破坏标签的前提下扩充样本的开发者。包内共有23个文件以4个Python脚本为核心配合示例图片及XML/JSON标注文件压缩包整体仅1.64MB。脚本分别实现批量重命名以及针对LabelImg、LabelMe两种标注结果的增强处理覆盖模糊、亮度、裁剪、旋转、平移、镜像、仿射变换与自适应高斯噪声等策略并支持随机组合后同步更新训练样本与对应标注信息避免手工重新标注的重复劳动。另附示例目录与README说明方便快速确认输入输出格式提前了解OpenCV等依赖的安装要求。已有876人学习下载适合正在积累YOLO训练数据、需要为检测或分割模型快速生成带标签扩增样本的入门与进阶用户。1. 为什么 YOLO 离线数据增强必须自己处理标签做目标检测的人迟早会撞上一个尴尬现实YOLO 官方仓库自带的在线增强很好用但它是随机的、不可控的而且每次训练都在变。你要扩增的是数据集本身——比如积攒了三千张带标签的施工安全场景图想扩到一万两千张再把这份带标签的数据集分发给团队、用于多轮实验或者做成公开数据集那就不能靠训练时的在线增强必须在磁盘上生成一份标签和图像同步扩增的新数据集。这个需求在 YOLO 生态里非常普遍但官方工具往往不直接给现成脚本你得自己拼。带标签扩增的难点不在图像变换而在标签变换。YOLO 的标签是归一化坐标类别 ID 加中心点 x、y 和宽高 w、h全部是 0 到 1 之间的小数。当你旋转一张图时目标框也跟着转了原来那个轴对齐矩形如果保持原坐标框就错位了当你裁剪时目标可能被切掉一半标签必须跟着裁当你 mosaic 拼接时四张图的标签要一起变换到新坐标系里。这些逻辑没有现成的“一行 API”本质上是你对几何变换的数学理解有多深。这篇文章就围绕“带标签扩增”这个主题从坐标变换的最小实现讲起逐步覆盖翻转、旋转、裁剪、tile 切图和 mosaic 拼接这几种 YOLO 场景里最高频的增强手段。每个方案都给可复现的 Python 代码同时解释清楚为什么这么变换、参数怎么设、什么情况下会踩坑。对熟悉检测训练流程的人来说这份方案可以直接落地。2. YOLO 标签格式与坐标变换的数学基础2.1 归一化坐标与像素坐标的换算YOLO 标签文件是一个 txt每行五个值class_id x_center y_center width height。它存储的是基于图像宽高归一化后的比例不是像素值。这意味着要把标签变成像素坐标才能做几何变换。换算公式很简单像素中心点 x 归一化 x * 图像宽度像素框宽 归一化宽 * 图像宽度。反方向也同理。import numpy as np def yolo_to_pixel(box, img_w, img_h): 将YOLO归一化坐标转为像素坐标 box: [x_center, y_center, width, height]均为0~1 img_w, img_h: 图像宽高像素值 返回: [x1, y1, x2, y2] 左上角右下角像素坐标 x_c, y_c, w, h box x1 (x_c - w / 2) * img_w y1 (y_c - h / 2) * img_h x2 (x_c w / 2) * img_w y2 (y_c h / 2) * img_h return np.array([x1, y1, x2, y2]) def pixel_to_yolo(box, img_w, img_h): 将像素坐标转回YOLO归一化坐标 x1, y1, x2, y2 box x_c ((x1 x2) / 2) / img_w y_c ((y1 y2) / 2) / img_h w (x2 - x1) / img_w h (y2 - y1) / img_h return np.array([x_c, y_c, w, h])为什么要自己写这两个函数因为 OpenCV 的仿射变换、裁剪等操作返回的是变换后的像素矩阵而 YOLO 训练时要的是归一化标签。中间必须经过“归一化到像素、变换、像素再归一化”这个完整链路。常见误用是直接在归一化坐标上做旋转——那完全错了因为旋转中心是图像中心而归一化坐标系的原点在左上角两者不匹配。2.2 边界裁剪标签越界与面积过滤几何变换后的标签最常遇到的问题就是越界。旋转 45 度后原本靠近图像边缘的目标框有一部分跑出了画布裁剪时目标可能只剩一个小角。YOLO 训练遇到这种标签会怎样在 ultralytics 的实现里标签解析时如果宽高为 0 或负值会被当作无效目标丢掉但类别 ID 还占着一个位置容易造成标签和图像内容不匹配的假象。正确做法是变换后主动过滤。面积过滤的阈值一般设为原始面积的 30% 到 50%。太低保留的碎片框会让模型学到不完整的特征太高会丢掉大量有效样本。对于小目标占比高的数据集——比如无人机视角下的车辆检测——建议阈值放到 20%因为小目标本身像素就少稍微旋转就可能低于 30% 的面积线。过滤逻辑很简单计算变换后的框与图像边界的交集面积除以框自身面积低于阈值就丢弃。def filter_invalid_boxes(boxes_pixel, img_w, img_h, min_area_ratio0.3): 过滤无效框和过小碎片框 valid_boxes [] for box in boxes_pixel: x1, y1, x2, y2 box # 计算与图像边界的交集 nx1, ny1 max(0, x1), max(0, y1) nx2, ny2 min(img_w, x2), min(img_h, y2) if nx2 nx1 or ny2 ny1: continue inter_area (nx2 - nx1) * (ny2 - ny1) orig_area (x2 - x1) * (y2 - y1) if orig_area 0 and inter_area / orig_area min_area_ratio: valid_boxes.append([nx1, ny1, nx2, ny2]) return np.array(valid_boxes)这里还有一个细节过滤后要不要把越界部分裁掉我的做法是裁掉因为保留越界坐标会让归一化后宽高超过 1ultralytics 在训练时会自动 clip 到边界但如果你要把这份数据集拿去做其他框架的训练可能会报错。所以统一在过滤函数里把坐标 clip 到图像范围内输出干净标签。3. 带标签扩增的最小实现翻转、旋转与缩放3.1 水平翻转的标签映射水平翻转是数据增强里性价比最高的操作。它对检测任务特别友好因为物体的类别语义不会因为翻转而改变——汽车翻过来还是汽车行人翻过来还是行人。难点在于文本相关的检测场景比如中文场景文字数据集车牌号、门牌号翻转过后的文字是镜像的但标签依然是文本区域框模型学到的特征会打折扣。所以带了文字识别的项目水平翻转建议直接禁用。翻转的标签变换公式是现成的新 x_center 1 - 原 x_center宽不变。垂直翻转同理y_center 1 - 原 y_center。不需要转像素坐标直接对归一化坐标操作即可。def horizontal_flip(image, labels): 水平翻转图像和YOLO标签 image: OpenCV BGR数组 labels: (N, 5) 每行 [class_id, x_center, y_center, w, h] 返回: 翻转后的图像和标签 flipped_img cv2.flip(image, 1) flipped_labels labels.copy() flipped_labels[:, 1] 1.0 - labels[:, 1] return flipped_img, flipped_labels这里的1.0 - x_center就完成了全部坐标变换。为什么不用像素坐标因为翻转前后图像尺寸不变归一化公式里的宽度因子抵消了直接在归一化域操作更快也没有精度损失。垂直翻转对应cv2.flip(image, 0)标签改y_center那一列。水平和垂直同时翻转对应cv2.flip(image, -1)两列都要改。这个映射关系适用于任何尺寸的图像代码量少出错概率低是做基准数据扩增时的第一个选择。3.2 任意角度旋转的坐标变换矩阵旋转比翻转复杂一个量级。图像旋转用 OpenCV 的cv2.warpAffine而标签旋转得跟着同一个仿射矩阵走。常见做法是取旋转中心为图像几何中心逆时针旋转角度 θ。标签的四个角点要分别做矩阵乘法得到新角点后再求轴对齐外接矩形作为旋转后的目标框。关键点是 OpenCV 旋转函数的输出画布有三个可选尺寸原图尺寸、外层包裹完整旋转图的尺寸、以及任意指定尺寸。如果你选择保持原图尺寸四角被截断角上的目标框会被裁掉如果选择包裹全图图像尺寸变了归一化标签要基于新尺寸重新计算。def rotate_image_and_labels(image, labels, angle_deg): 旋转图像和YOLO标签保持原图尺寸背景填黑 注意旋转后超出原图边界的标签会被过滤 h, w image.shape[:2] center (w // 2, h // 2) M cv2.getRotationMatrix2D(center, angle_deg, 1.0) rotated_img cv2.warpAffine(image, M, (w, h), flagscv2.INTER_LINEAR, borderModecv2.BORDER_CONSTANT, borderValue(114, 114, 114)) new_labels [] for label in labels: cls_id, x_c, y_c, bw, bh label # 归一化转像素 box_pix yolo_to_pixel([x_c, y_c, bw, bh], w, h) x1, y1, x2, y2 box_pix # 四个角点 corners np.array([ [x1, y1], [x2, y1], [x2, y2], [x1, y2] ], dtypenp.float32) # 用仿射矩阵变换角点 ones np.ones((4, 1), dtypenp.float32) pts np.hstack([corners, ones]) new_corners pts M.T # 取外接矩形 nx1, ny1 new_corners[:, 0].min(), new_corners[:, 1].min() nx2, ny2 new_corners[:, 0].max(), new_corners[:, 1].max() new_labels.append([cls_id, nx1, ny1, nx2, ny2]) new_labels filter_invalid_boxes(np.array(new_labels), w, h, min_area_ratio0.4) yolo_labels [] for lb in new_labels: cls_id, x1, y1, x2, y2 lb yolo_labels.append([cls_id, *pixel_to_yolo([x1, y1, x2, y2], w, h)]) return rotated_img, np.array(yolo_labels)这个实现里有个隐藏细节角点变换后取外接矩形会让框的面积比真实旋转后的物体更大。对于长宽比悬殊的目标——比如远处的车辆——外接矩形可能比原框大出 40% 以上导致 IoU 计算失真。更精细的做法是逐像素计算旋转后目标的真实多边形面积但对大多数 YOLO 训练场景外接矩形已经足够因为目标检测本身预测的就是轴对齐框。旋转角度的选择也有讲究。小角度±10 度适合补充因拍摄姿态导致的目标倾斜大角度90、180、270 度适合卫星图、遥感图——参考 DOTA 数据集的处理方式。遥感场景下旋转增强几乎是标配因为顶视图下目标朝向完全随机。3.3 缩放与填充的三种边界策略缩放增强会改变标签尺寸同时引入一个棘手问题放大后目标超出图像边界怎么办缩小后周围留白用什么填充常见的做法是三种策略配合用。随机缩放因子在 0.5 到 1.5 之间。放大时目标会溢出边界这时要做的不是丢弃而是把目标拉回可见区域——将溢出的部分裁掉保留剩余部分。缩小时目标变小但完整周围填充灰色RGB 114,114,114。为什么不填纯黑因为 YOLO 系列在训练时会将输入图 resize 到固定尺寸如 640x640resize 本身也会引入边缘插值深灰底色比纯黑和纯白造成的边缘伪影更小。def scale_image_and_labels(image, labels, scale_factor): 随机缩放图像标签等比缩放溢出部分裁剪 h, w image.shape[:2] new_w, new_h int(w * scale_factor), int(h * scale_factor) scaled_img cv2.resize(image, (new_w, new_h), interpolationcv2.INTER_LINEAR) new_labels [] for cls_id, x_c, y_c, bw, bh in labels: nx_c, ny_c x_c, y_c # 归一化坐标不变 new_labels.append([cls_id, nx_c, ny_c, bw, bh]) # 将缩放后的图放入原图尺寸的黑色画布中间 canvas np.full((h, w, 3), 114, dtypenp.uint8) x_offset (w - new_w) // 2 y_offset (h - new_h) // 2 canvas[y_offset:y_offset new_h, x_offset:x_offset new_w] scaled_img final_labels [] for cls_id, x_c, y_c, bw, bh in new_labels: # 原归一化坐标基于缩放图尺寸需转换到画布尺寸 pix_x, pix_y x_c * new_w x_offset, y_c * new_h y_offset pix_w, pix_h bw * new_w, bh * new_h # 转换回画布归一化 final_labels.append([ cls_id, pix_x / w, pix_y / h, pix_w / w, pix_h / h ]) return canvas, np.array(final_labels)这里最容易错的一步是把缩放后图像的归一化坐标直接当成原图坐标。缩放后标签虽然还是归一化形式但分母变了——从原图宽高变成了缩放图的宽高。放回画布时目标的位置偏移了 x_offset 和 y_offset这个偏移量必须折算进像素坐标再重新归一化。4. tile 切图与 mosaic 拼接数据增强的生产级方案4.1 tile 切图解决大图小目标问题YOLO 官方推荐的训练输入尺寸是 640但很多数据集的原始图像远大于这个值——遥感影像动辄 4000x4000无人机航拍图也在 2000 像素以上。直接 resize 到 640 会让小目标缩成几个像素模型根本学不到特征。热门搜索词里“yolo切割 只能切矩形图片吗”和“mmrotate训练dota数据集”其实都指向同一个需求把大图切成小块再训练。tile 切图就是为这个场景设计的离线增强方式。切图的核心问题是目标横跨切块边界。比如一个目标中心在第 1 块右半部分在第 2 块。粗暴地按网格切边界目标会丢一半标签。常见做法是设置重叠率overlap ratio比如切块尺寸 640步长 512重叠 128 像素。目标中心落在哪个切块里就完整属于哪个切块中心不在任何块内的跨界目标按重叠区域的 IoU 归属。def tile_image(image, labels, tile_size640, overlap128): 大图切块标签按目标中心归属切块 h, w image.shape[:2] tiles [] tile_labels [] step tile_size - overlap for y in range(0, max(1, h - tile_size 1), step): for x in range(0, max(1, w - tile_size 1), step): # 最后一个块对齐到边界 x_end min(x tile_size, w) y_end min(y tile_size, h) x_start x_end - tile_size y_start y_end - tile_size if x_start 0: x_start 0 x_end tile_size if y_start 0: y_start 0 y_end tile_size tile image[y_start:y_end, x_start:x_end] tile_h, tile_w tile.shape[:2] labels_in_tile [] for cls_id, x_c, y_c, bw, bh in labels: # 目标中心像素坐标 center_x x_c * w center_y y_c * h # 中心落在切块内 if x_start center_x x_end and y_start center_y y_end: # 转换到切块坐标 nx_c (center_x - x_start) / tile_w ny_c (center_y - y_start) / tile_h nw bw * w / tile_w nh bh * h / tile_h labels_in_tile.append([cls_id, nx_c, ny_c, nw, nh]) if labels_in_tile: tiles.append(tile) tile_labels.append(np.array(labels_in_tile)) return tiles, tile_labels切块后要检查一件事小目标在切块里的占比是否合理。如果原图里一个目标只有 10x10 像素在 640 切块里依然只有 10x10模型照样学不到。这时可以结合后续的缩放增强把切块图再放大 1.5 倍继续切——本质上是用两次增强叠加出多尺度效果。这个组合在遥感数据集和施工安全数据集上效果显著因为这两类场景天然存在大量小目标。4.2 mosaic 拼接的标签融合逻辑mosaic 增强是 YOLOv4 引入的经典策略原理是把 4 张图拼成一张大图相当于变相增大了 batch size让模型在一个样本里看到更多背景和上下文。如果做离线 mosaic需要在拼接时同步处理 4 份标签坐标并且过滤掉拼接缝处的断裂目标。拼接画布通常取 1280 或 1536 的边长四张图各占一个象限每张图先做随机缩放和位置偏移。标签融合时先按各自变换映射到画布坐标再做 clip。难点在于拼接缝附近的目标会被切成两半——比如第 1 张图的右半部分和第 2 张图的左半部分在接缝处拼出了一个完整物体。def mosaic_4(image_list, labels_list, canvas_size1280): 4张图 mosaic 拼接返回融合后的图和标签 canvas np.full((canvas_size, canvas_size, 3), 114, dtypenp.uint8) canvas_labels [] half canvas_size // 2 positions [(0, 0), (half, 0), (0, half), (half, half)] for idx, (img, labels) in enumerate(zip(image_list, labels_list)): h, w img.shape[:2] # 随机缩放 0.5~1.5 scale np.random.uniform(0.5, 1.5) new_w, new_h int(w * scale), int(h * scale) resized cv2.resize(img, (new_w, new_h)) # 将缩放后的图放到对应象限允许溢出画布 x_offset positions[idx][0] np.random.randint(-half // 2, half // 2) y_offset positions[idx][1] np.random.randint(-half // 2, half // 2) # 裁剪到画布范围 x1_draw max(0, x_offset) y1_draw max(0, y_offset) x2_draw min(canvas_size, x_offset new_w) y2_draw min(canvas_size, y_offset new_h) if x2_draw x1_draw or y2_draw y1_draw: continue src_x1 x1_draw - x_offset src_y1 y1_draw - y_offset src_x2 src_x1 (x2_draw - x1_draw) src_y2 src_y1 (y2_draw - y1_draw) canvas[y1_draw:y2_draw, x1_draw:x2_draw] resized[src_y1:src_y2, src_x1:src_x2] # 标签映射 for cls_id, x_c, y_c, bw, bh in labels: pix_x x_c * new_w x_offset pix_y y_c * new_h y_offset pix_w bw * new_w pix_h bh * new_h # 与画布求交 inter_x1 max(0, pix_x) inter_y1 max(0, pix_y) inter_x2 min(canvas_size, pix_x pix_w) inter_y2 min(canvas_size, pix_y pix_h) if inter_x2 inter_x1 or inter_y2 inter_y1: continue # 面积过滤 inter_area (inter_x2 - inter_x1) * (inter_y2 - inter_y1) orig_area pix_w * pix_h if inter_area / orig_area 0.3: continue canvas_labels.append([ cls_id, (inter_x1 inter_x2) / 2 / canvas_size, (inter_y1 inter_y2) / 2 / canvas_size, (inter_x2 - inter_x1) / canvas_size, (inter_y2 - inter_y1) / canvas_size ]) return canvas, np.array(canvas_labels)mosaic 拼接的标签融合有一个容易忽略的点过滤条件不能用目标的原始面积而要用变换后缩放加平移的面积。因为缩放本身可能已经把目标缩得很小再用原图面积做分母会误杀有效样本。面积比的分母用变换后的面积分子用与画布的交集面积这个比值衡量的是“目标有没有被拼接缝切碎”。4.3 光照与模糊等光度增强为何不需要改标签热搜词里“数据增强方法”大多是在讨论光度类增强——亮度、对比度、饱和度、HSV 扰动、高斯模糊、噪声。这类增强在带标签扩增任务里反而最简单因为所有像素级变换都不会改变目标框的位置和尺寸。只需要把图像变换应用上去原标签原样保存。def photometric_augment(image, labels): 光度增强不修改标签 hsv cv2.cvtColor(image, cv2.COLOR_BGR2HSV).astype(np.float32) # 亮度扰动 ±30% hsv[:, :, 2] * np.random.uniform(0.7, 1.3) # 饱和度扰动 ±30% hsv[:, :, 1] * np.random.uniform(0.7, 1.3) hsv np.clip(hsv, 0, 255).astype(np.uint8) aug_img cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR) return aug_img, labels.copy()这么做有很大价值把光度增强和几何增强解耦后可以自由组合出无限种扩增组合——先几何变换改变目标位置尺度再做光度变换改变外观。这比单独用某一种增强更能提高模型鲁棒性。实际跑实验时批次内同一张原图扩增出的两个样本一个只做几何变换一个几何加光度组合模型对光照变化的适应能力明显更强。5. 带标签扩增的执行参数与常见问题5.1 扩增倍率怎么选类别平衡优先于总量扩增多少倍没有固定答案但有一个原则让每个类别的样本量趋向均衡。如果你手里有 A 类 5000 张、B 类 300 张直接扩增到总量 2 万张A 类可能变成了 1 万B 类只有 600类别失衡反而加剧。合理的做法是先按类别统计样本量对少样本类别做更高的扩增倍率。def count_class_distribution(label_files): 统计数据集中每个类别的样本数 from collections import Counter counter Counter() for label_file in label_files: with open(label_file, r) as f: for line in f: cls_id int(line.strip().split()[0]) counter[cls_id] 1 return counter比如 A 类 5000、B 类 300想让总数到 8000 份那么 A 类可以扩到 6000B 类扩到 2000。前者倍率 1.2后者倍率约 6.7。少样本类别的增强强度也应当加大——不仅多复制几份还要用更强的旋转、更大的尺度变化因为样本少意味着模型见过的姿态少。反直觉的结论是扩增倍率高的类别不要同时做高强度的几何变换否则生成的样本可能和原图差异过大模型学到的分布被拉偏。5.2 保存格式与数据集目录结构的坑扩增后的数据要能被 YOLO 训练流程直接读取目录结构建议保持原样images/和labels/平级图片名和标签名严格同名扩展名不同。这个规则容易被忽略但 pyTorch 的 YOLO 数据集类默认就是按这个结构递归找文件的。文件名别用空格和中文YOLO 在 Linux 环境下对含空格路径的处理偶尔会出问题。import os import shutil def save_augmented_dataset(save_dir, images, labels, prefixaug): 保存增强图像和标签到YOLO标准目录结构 img_dir os.path.join(save_dir, images) lbl_dir os.path.join(save_dir, labels) os.makedirs(img_dir, exist_okTrue) os.makedirs(lbl_dir, exist_okTrue) for idx, (img, label) in enumerate(zip(images, labels)): base_name f{prefix}_{idx:06d} # 保存图像 img_path os.path.join(img_dir, base_name .jpg) cv2.imwrite(img_path, img, [cv2.IMWRITE_JPEG_QUALITY, 95]) # 保存标签 lbl_path os.path.join(lbl_dir, base_name .txt) with open(lbl_path, w) as f: for lb in label: f.write(f{int(lb[0])} {lb[1]:.6f} {lb[2]:.6f} {lb[3]:.6f} {lb[4]:.6f}\n)JPEG 压缩质量建议设 95 而不是默认的 95 以下。增强后的图像会经过二次压缩质量参数太低会引入压缩伪影模型可能学到这些伪影而不是目标特征。不过也不要设 100体积太大且对检测精度几乎没有额外增益。5.3 验证增强后的标签是否对齐增强完不能直接开训必须抽样可视化检查。最简单的方式是画框验证加载增强后的图像和标签用 OpenCV 把标签框画在图上人眼扫一遍。脚本十几行就能写完但能避免灾难性的标签错位。def visualize_augmented_sample(img, labels, save_path): 将YOLO标签画在图像上用于人工检查 h, w img.shape[:2] vis img.copy() for lb in labels: cls_id, x_c, y_c, bw, bh lb x1 int((x_c - bw / 2) * w) y1 int((y_c - bh / 2) * h) x2 int((x_c bw / 2) * w) y2 int((y_c bh / 2) * h) color (0, 255, 0) cv2.rectangle(vis, (x1, y1), (x2, y2), color, 2) cv2.putText(vis, str(int(cls_id)), (x1, max(0, y1 - 5)), cv2.FONT_HERSHEY_SIMPLEX, 0.6, color, 2) cv2.imwrite(save_path, vis)抽样建议每类随机选 20 张增强样本做可视化。如果发现某个类别的目标框全部偏移优先检查该类别的标签格式是不是混入了其他框架的格式——比如 COCO 的 [x1,y1,w,h] 被当成 YOLO 的 [x_center,y_center,w,h] 读入。这是最常见的低级错误单靠代码检查很难发现可视化一眼就能看出。6. 用训练反馈反向调整增强策略增强做完了最终效果要看训练反馈。同样一套增强代码不可能对每个数据集都最优。跑一轮短训练——比如只训 30 个 epoch——然后看验证集上的类别 PR 曲线和混淆矩阵就能判断增强策略是否有效。先看每个类别的 F1 分数。如果某个类别的 F1 明显低于其他类别且原图样本量不小那大概率是该类别在这个增强策略下出现了标签错位或特征失真。比如细长形目标——施工场景里的钢筋、道路场景里的栏杆——在旋转增强后外接矩形严重放大模型学到的框和真实目标重合度低AP 自然上不去。解决办法是把这类目标的旋转角度限制在 ±15 度以内或者改用类别感知的增强配置对不同类别施加不同角度范围。再看训练集 loss 和验证集 loss 的差距。如果验证 loss 远高于训练 loss说明增强后的数据分布和验证集差异过大模型过拟合到了增强引入的伪特征上。常见诱因有旋转角度过大导致目标形态失真填充颜色和真实场景差距太大。把旋转范围缩小、填充值改成从数据集随机采样真实背景的像素值通常能有效缩小差距。# 用 ultralytics 快速验证增强效果 from ultralytics import YOLO model YOLO(yolov8n.pt) results model.train( datadataset.yaml, epochs30, imgsz640, batch16, # 关闭在线增强用离线扩增数据训练 hsv_h0.0, hsv_s0.0, hsv_v0.0, degrees0.0, translate0.0, scale0.0, fliplr0.0, mosaic0.0, )把在线增强全部关闭单独验证离线扩增数据的价值。这一步在实验设计里很关键如果开着默认在线增强你无法判断离线扩增到底贡献了多少提升。关掉后跑一组对比只用原始数据、只用离线扩增数据、原始加离线各一半。后者的表现通常会好于前两者但如果离线扩增数据参与后反而更差说明增强配置过度扭曲了分布需要回退参数。最后检查一个容易被忽略的指标各类别在不同 IoU 阈值下的 AP 分布。比如在 IoU0.5 时各类别 AP 都不错但 IoU0.75 时暴跌说明预测框和真实框的定位精度不足。这种情况往往不是增强的锅而是标签本身定位不精确——标注时的框是否紧贴目标边缘。增强只是放大了这个问题。翻看标注工具里的原始框如果确实松垮增强前先校准一遍标签比调任何增强参数都有效。增强的终点不是生成更多图片而是让每一份扩增数据都能为模型提供干净、明确的监督信号。本文还有配套的精品资源点击获取