Ultralytics YOLO 数据增强完全指南:从 HSV 到 Mosaic、MixUp 与自定义 Albumentations
Ultralytics YOLO 数据增强完全指南:从 HSV 到 Mosaic、MixUp 与自定义 Albumentations
导读
本文以 Ultralytics 官方数据增强文档 为骨架,系统讲解 Ultralytics YOLO 在检测、分割、姿态、OBB 与分类等任务中内置的全部数据增强参数——包括 HSV 色彩增强、旋转/平移/缩放等几何变换、Mosaic/MixUp/CutMix/Copy-Paste 组合增强,以及如何通过自定义 Albumentations 变换扩展现有能力。读完本文,你将掌握每个超参数的作用范围、默认取值、随机化机制与适用场景,并能通过 Python API、CLI 或 YAML 配置文件精准调控训练数据的增强管线。
为什么数据增强对 YOLO 训练至关重要
数据增强通过在训练中实时对图像施加变换,人为制造“新样本”,是计算机视觉训练的基本功。对 Ultralytics YOLO 而言,它带来四个核心收益:
- 扩大有效数据集:无需重新采集数据,即可通过图像变换显著扩充训练样本量;
- 提升泛化能力:模型在多样化的光照、角度、尺度下学习目标特征,在实际部署环境中更鲁棒;
- 缓解过拟合:训练数据中的多样性增大,模型不再死记硬背个别图像的细节;
- 改善最终精度:配合得当的增强通常能在验证集与测试集上取得更优的准确率。
Ultralytics 将这些能力封装为一系列训练超参数。它们全部收口在 ultralytics/cfg/default.yaml 的默认配置中,最终由 ultralytics/data/augment.py 中的 v8_transforms() 组织成一条完整的增强流水线(Compose),每次取样本时按顺序执行。
三种配置方式:Python API、CLI 与 YAML 配置文件
同一个增强参数可以用三种方式设定。核心训练参数被集中管理在 ultralytics/cfg/default.yaml,其中与增强直接相关的默认值如下(本文所有“默认值”均指该文件中的取值):
# ultralytics/cfg/default.yaml 中与增强相关的默认配置
hsv_h: 0.015 # HSV 色调偏移比例(±)
hsv_s: 0.7 # HSV 饱和度偏移比例(±)
hsv_v: 0.4 # HSV 明度偏移比例(±)
degrees: 0.0 # 旋转角度(±度)
translate: 0.1 # 平移比例(±)
scale: 0.5 # 缩放增益(±),也可写为 (min, max) 元组
shear: 0.0 # 错切角度(±度)
perspective: 0.0 # 透视强度(0–0.001 典型取值)
flipud: 0.0 # 垂直翻转概率
fliplr: 0.5 # 水平翻转概率
bgr: 0.0 # RGB↔BGR 通道交换概率
mosaic: 1.0 # Mosaic 概率
mixup: 0.0 # MixUp 概率
cutmix: 0.0 # CutMix 概率
copy_paste: 0.0 # segment/obb 任务的 Copy-Paste 比例
copy_paste_mode: flip # Copy-Paste 策略:flip 或 mixup
auto_augment: randaugment # 分类任务的自动增强策略
erasing: 0.4 # 分类任务随机擦除概率
close_mosaic: 10 # 训练最后 N 个 epoch 关闭 mosaic
方式一:Python API 直接传参
from ultralytics import YOLO
# 加载模型(此处以 yolo26n.pt 为例)
model = YOLO("yolo26n.pt")
# 自定义增强参数进行训练
model.train(data="coco8.yaml", epochs=100, hsv_h=0.03, hsv_s=0.6, hsv_v=0.5)
# 禁用所有可配置增强(为清晰起见省略被禁用的取值)
model.train(
data="coco8.yaml",
epochs=100,
hsv_h=0.0,
hsv_s=0.0,
hsv_v=0.0,
translate=0.0,
scale=0.0,
fliplr=0.0,
mosaic=0.0,
erasing=0.0,
auto_augment=None,
)
方式二:CLI 命令行
# 自定义增强参数训练
yolo detect train data=coco8.yaml model=yolo26n.pt epochs=100 hsv_h=0.03 hsv_s=0.6 hsv_v=0.5
方式三:YAML 配置文件
把所有训练参数(含增强)写入一个自定义 YAML,如 train_custom.yaml。该文件会覆盖 ultralytics 包内的默认配置;mode 仅在 CLI 场景下必需。
# train_custom.yaml
# 仅使用 CLI 时需要 'mode'
mode: train
data: coco8.yaml
model: yolo26n.pt
epochs: 100
hsv_h: 0.03
hsv_s: 0.6
hsv_v: 0.5
随后用 Python API 或 CLI 指定该文件启动训练:
from ultralytics import YOLO
# 加载 COCO 预训练 YOLO26n 模型
model = YOLO("yolo26n.pt")
# 使用自定义配置训练
model.train(cfg="train_custom.yaml")
yolo detect train model="yolo26n.pt" cfg=train_custom.yaml
注意:将增强参数置零并不会禁用 Albumentations。 本文页面列出的参数是你在训练参数中能控制的增强;除此之外,只要安装有
albumentations包,Ultralytics 还会自动套用一组小规模 Albumentations 变换——Blur、MedianBlur、ToGray、CLAHE,各以p=0.01生效——ultralytics/cfg/default.yaml 中没有任何参数能将其关闭。卸载该包可去除默认增强,或通过augmentations参数传入自定义列表以整体替换(详见下文)。
训练增强流水线:源码中的执行顺序
在 ultralytics/data/augment.py 的 v8_transforms() 中,默认(检测/分割等)增强被编排成如下 Compose,理解这个顺序有助于把握各增强间的相互作用:
Mosaic → RandomPerspective(旋转/平移/缩放/错切/透视) → [CopyPaste] → MixUp → CutMix → Albumentations → RandomHSV → RandomFlip(垂直) → RandomFlip(水平)
几个值得注意的实现细节(均可从 ultralytics/data/augment.py 代码得到印证):
- Mosaic 与 RandomPerspective 构成
pre_transform,其输出会被 MixUp、CutMix 复用; CopyPaste在flip模式下插入到 affine 之前,在mixup模式下则追加到流水线尾部;- 训练姿态估计(pose)任务时,若配置了
fliplr/flipud而数据集 YAML 缺少flip_idx,代码会发出警告并自动把两个翻转概率强制置 0,因为关键点翻转必须依赖左右关键点索引映射; - 自定义
augmentations列表会原样传给Albumentations层并整体替换默认变换(ultralytics/data/augment.py),而 Mosaic、HSV、几何变换等其他增强保持独立生效。
色彩空间增强
色调偏移(hsv_h)
- 范围:
0.0–1.0默认:0.015(见 ultralytics/cfg/default.yaml) - 机制:在保持颜色相对关系的前提下整体移动色调。参数定义偏移幅度,最终偏移量在
-hsv_h到hsv_h之间均匀随机抽取。例如hsv_h=0.3时,实际偏移落在-0.3~0.3。当取值超过0.5,色调会绕色环回绕,因此0.5与-0.5的增强效果看起来一样。 - 价值:适合户外等光照剧烈变化的场景——例如香蕉在强阳光下更黄、在室内更偏绿,模型需要具备色调不变性。
- 实现类:RandomHSV。对应源码位于 ultralytics/data/augment.py:实现中把图像转成 HSV 后,用三张 256 级查找表(LUT)分别完成色调、饱和度、明度映射,且仅对三通道(BGR)图像生效。
饱和度调整(hsv_s)
- 范围:
0.0–1.0默认:0.7(见 ultralytics/cfg/default.yaml) - 机制:调整颜色浓烈程度。最终调整量在
-hsv_s到hsv_s之间随机抽取,如hsv_s=0.7即落在-0.7~0.7。 - 价值:帮助模型适应天气与相机参数差异——同样的红色交通标志,晴天鲜艳、雾天暗淡。
- 实现类:RandomHSV(与
hsv_h同一个类)。代码中还特意将饱和度为 0 的查找表项固定为 0,防止纯白像素在增强后“染色”。
明度调整(hsv_v)
- 范围:
0.0–1.0默认:0.4(见 ultralytics/cfg/default.yaml) - 机制:调整图像整体亮度,最终调整量在
-hsv_v到hsv_v之间随机抽取,如hsv_v=0.4即落在-0.4~0.4。 - 价值:对需要在不同光照(阳光直射 vs. 阴影)下工作的模型至关重要。
- 实现类:RandomHSV
几何变换
几何变换全部由 RandomPerspective 一个类实现(源码见 ultralytics/data/augment.py 起)。它构建一个仿射矩阵,一次性完成旋转、平移、缩放、错切与透视,并同步对标注框、分割多边形与关键点做坐标变换。其构造签名清晰反映了参数与实现的对应关系:
def __init__(self, degrees=0.0, translate=0.1, scale=0.5, shear=0.0,
perspective=0.0, size=None, preserve_obb=False):
旋转(degrees)
- 范围:
0.0–180默认:0.0 - 机制:在
-degrees到degrees内随机旋转。例如degrees=10.0时实际旋转角落在-10~10度。 - 价值:对物体朝向随机的场景(如无人机航拍中任意朝向的车辆)尤为重要。
- 实现:RandomPerspective
平移(translate)
- 范围:
0.0–1.0默认:0.1(见 ultralytics/cfg/default.yaml) - 机制:按图像尺寸的一定比例随机水平、垂直平移。x、y 两个轴各自独立在
-translate~translate间采样一次。例如translate=0.5时,x 轴与 y 轴各自独立落在-0.5~0.5。 - 价值:帮助模型识别部分出框/部分可见的目标,提升对目标位置的鲁棒性——例如车辆损伤评估中,车部件常因拍摄位置不同而部分或完整入镜。
- 实现:RandomPerspective
缩放(scale)
- 范围:浮点
0.0–1.0,或显式(min, max)元组 默认:0.5(见 ultralytics/cfg/default.yaml) - 机制:支持两种形态:
- 浮点形态定义缩放增益,实际倍率在
1-scale到1+scale间随机。如scale=0.5实际倍率落在0.5x~1.5x; - 元组形态直接设定倍率区间,如
scale=(0.5, 2.0)直接采样0.5x~2.0x。
- 浮点形态定义缩放增益,实际倍率在
- 价值:让模型适应不同距离与尺度的目标——如自动驾驶中远近不一的车辆。
- 实现:RandomPerspective
- 注意:
- 浮点形态会被校验在
0.0–1.0,越界抛出ValueError;想采样超过 2 倍放大的倍率,请改用(min, max)元组形态; - 元组形态只适用于几何类任务(检测/分割等)。分类训练由浮点自行推导裁剪区间(
1.0 - scale到1.0),传入元组会抛TypeError。
- 浮点形态会被校验在
错切(shear)
- 范围:
-180–+180默认:0.0 - 机制:沿 x、y 轴把图像“推斜”。参数定义错切角,x、y 各自独立在
-shear~shear间采样,例如shear=10.0时 x、y 独立落在-10~10度。 - 价值:模拟由相机轻微倾斜、非垂直视角带来的斜视形变(如交通监控中非正对路面安装的相机)。与透视不同,错切不引入深度/灭点,只改变角度而保持对边平行。
- 建议:错切值会迅速扭曲图像,应从小值起步、逐步加大。
- 实现:RandomPerspective
透视(perspective)
- 范围:
0.0–0.001默认:0.0 - 机制:x、y 轴各自独立在
-perspective~perspective间采样透视强度,例如perspective=0.001即落在-0.001~0.001。 - 价值:应对极端视角变化,目标因透视产生前缩/拉伸/压缩仍可被识别——如无人机倾斜与高度变化下,建筑、道路、车辆会发生明显透视畸变。
- 实现:RandomPerspective
上下翻转(flipud)
- 范围:
0.0–1.0默认:0.0 - 机制:沿 y 轴垂直镜像整幅图像。参数为应用概率:
1.0表示全部翻转,0.0表示关闭。flipud=0.5表示每张图有 50% 概率被上下翻转。 - 价值:适用于物体可能上下颠倒的场景,如传送带与机械臂上的工件识别。
- 实现:RandomFlip。源码见 ultralytics/data/augment.py,翻转会同步更新边界框与关键点标注(
flip_idx)。
左右翻转(fliplr)
- 范围:
0.0–1.0默认:0.5(见 ultralytics/cfg/default.yaml) - 机制:沿 x 轴水平镜像。参数同为概率,
fliplr=0.5表示 50% 概率左右翻转。 - 价值:检测、姿态估计与人脸识别中最常用的增强之一。自动驾驶场景中车辆、行人在道路两侧都会出现,水平翻转让模型对左右朝向一视同仁。
- 实现:RandomFlip
BGR 通道交换(bgr)
- 范围:
0.0–1.0默认:0.0 - 机制:以概率
bgr将图像通道顺序在 RGB 与 BGR 之间互换,bgr=1.0表示全部交换。 - 价值:增强对不同颜色通道序的鲁棒性,应对相机系统与成像库(如 OpenCV 默认 BGR)间通道序不一致的部署环境。
- 实现:Format
组合型增强:Mosaic、MixUp 与 CutMix
这三者都属于 BaseMixTransform(源码见 ultralytics/data/augment.py 起的 Mosaic、L774 起的 MixUp 与 L875 起的 CutMix),即需要从数据集中额外取图进行混合的变换,它们的基类负责从“最近加载图像缓冲区”或全数据集中挑选额外样本。
Mosaic(mosaic)
- 范围:
0.0–1.0默认:1.0(默认开启,见 ultralytics/cfg/default.yaml) - 机制:把 4 张训练图拼成 1 张。参数为概率,
mosaic=0.5表示每张图有 50% 概率被与另外 3 张图组合。从源码看,Mosaic 支持 4 宫格(2×2)与 9 宫格(3×3)两种版式(n=4/9),且随机中心点既可能在画布内也可能在画布外(见 ultralytics/data/augment.py)。 - 价值:对小目标检测与上下文理解效果显著,常用于野生动物监测等目标尺度跨度大的场景。
- 实现:Mosaic
- 注意:
- Mosaic 在提升鲁棒性的同时会增加训练难度;
- 可用
close_mosaic(默认10)在训练结束前 N 个 epoch 提前关闭 mosaic。例如epochs=200且close_mosaic=20,则第 180 个 epoch 后关闭;close_mosaic=0表示全程开启; - 关闭 Mosaic 的同一步会同时关闭
copy_paste、mixup、cutmix——这四个一起关闭,最后阶段只剩几何变换、HSV、翻转与 Albumentations 等单图增强继续运行。注意copy_paste默认flip模式在单张图内进行复制,并不拼接多图; - 当前实现把当前图与另外 3 张组合,额外样本来自近期加载图缓冲区(当
cache='ram'时来自全数据集)。两种方式都是有放回采样,同一张图可能在同一幅 mosaic 中出现多次。
Mixup(mixup)
- 范围:
0.0–1.0默认:0.0 - 机制:以指定概率把两张图及其标签做像素级融合。
mixup=0.5表示每张图有 50% 概率与另一张图混合。融合比例r从np.random.beta(32.0, 32.0)分布中随机抽取,两张图大约各贡献 50%,并带有细微波动(源码见 ultralytics/data/augment.py)。 - 价值:提升模型鲁棒性、抑制过拟合,例如零售商品识别中学习被货架遮挡商品的鲁棒特征。
- 实现:MixUp
CutMix(cutmix)
- 范围:
0.0–1.0默认:0.0 - 机制:以指定概率从一张图中裁出矩形区域,粘贴到另一张图上。裁剪区的大小与位置每次随机确定。与 Mixup 全局混合像素不同,CutMix 保持裁剪区内原始像素强度,保留局部特征。
- 价值:构造真实遮挡场景(如自动驾驶中车辆/行人相互遮挡),在保持局部特征完整性的同时提升检测精度。
- 实现:CutMix
- 注意:只有不与目标图中任何现有边界框重叠的裁剪区才会被粘贴;并且只保留在粘贴区中保留足够原始面积的框。这一最小框面积阈值当前实现不可修改:检测标签为
0.1(10%),一旦标签携带分割多边形则为0.01(1%)。
Copy-Paste 增强
复制粘贴(copy_paste)
- 范围:
0.0–1.0默认:0.0 - 适用任务:需要多边形标注,因此只适用于分割(segment)与 OBB 任务。
- 机制:把目标对象在图像内部或图像之间复制,具体行为由
copy_paste_mode决定:flip模式下,copy_paste表示“可被复制的对象中”被复制的比例——一张有 6 个可复制对象的图在copy_paste=0.5时会得到 3 个副本;mixup模式下,同一数值同时控制 copy-paste 是否执行的概率;copy_paste=0.0完全关闭。
- 价值:对实例分割任务与稀有类别尤其有用,例如工业缺陷检测中人为增加罕见缺陷的样本频次。
- 实现:CopyPaste(源码见 ultralytics/data/augment.py)
- 注意:目标一旦被选中复制,无论
copy_paste_mode如何,都会与目标图中所有既有对象计算 IoA(Intersection over Area)。只有所有 IoA 都低于0.3(30%)时才粘贴;任一 IoA 达到0.3即放弃。该 IoA 阈值当前实现不可修改(代码位于 ultralytics/data/augment.py)。
复制粘贴模式(copy_paste_mode)
- 可选值:
'flip'、'mixup'默认:'flip'(见 ultralytics/cfg/default.yaml) - 机制:决定 Copy-Paste 的取图方式。
flip模式从同一张图内复制对象;mixup模式允许从其他图像复制对象到当前图。 - 注意:两种模式遵循相同的 IoA 原则,只是复制来源不同。受图像尺寸影响,对象有时会被部分或整体复制到画布之外;受多边形标注质量影响,复制出的对象相对原对象可能有轻微形状差异。
- 实现:CopyPaste
分类任务专用增强
分类任务使用独立于上述几何/混合管线之外的增强流水线(源码见 ultralytics/data/augment.py 的 classify_augmentations()),这也是自定义 augmentations 不作用于分类任务的原因。
自动增强策略(auto_augment)
- 可选值:
'randaugment'、'autoaugment'、'augmix'、None默认:'randaugment'(见 ultralytics/cfg/default.yaml) - 机制:为分类训练套用自动化增强策略;置
None则关闭:- AutoAugment:应用从 ImageNet、CIFAR10、SVHN 等数据集上学习得到的预定义策略。用户只能选用这些既有策略,无法在 Torchvision 内训练新策略,自定义最优策略需借助外部库或自行实现;
- RandAugment:以统一幅度随机挑选变换,省去大规模搜索过程,计算更省且同样能增强鲁棒性;
- AugMix:通过简单变换的随机组合制造多样的图像变体,提升模型对分布偏移的鲁棒性。
- 价值:自动为分类任务优化增强策略;三者的本质差别在于策略的定义方式与应用方式。
- 实现:classify_augmentations()
随机擦除(erasing)
- 范围:
0.0–1.0默认:0.4(见 ultralytics/cfg/default.yaml) - 机制:以概率在图像中随机擦除一个区域。
erasing=1.0表示每张图都会被擦除,erasing=0.5表示 50% 概率。 - 价值:强迫模型学习更鲁棒的特征、避免过度依赖特定区域——例如人脸识别中应对墨镜、口罩等局部遮挡,让模型同时利用多个面部特征而非某一处标志性特征。
- 实现:classify_augmentations()
- 注意:该增强内部附带
scale、ratio、value三个子超参数,当前实现不可修改,默认分别为(0.02, 0.33)、(0.3, 3.3)与0,与 PyTorch 官方torchvision.transforms.RandomErasing一致。
高级增强:自定义 Albumentations 变换(augmentations)
- 类型:Albumentations 变换对象的
list默认:None - 机制:通过 Python API 传入自定义 Albumentations 变换列表,在训练中整体替换默认的 Albumentations 变换集。
mosaic、hsv_h、degrees等本文其余增强保持激活、独立生效。 - 价值:利用 Albumentations 丰富的 70+ 变换实现 YOLO 内置能力之外的定制增强,例如:医学影像的弹性形变与网格畸变、航拍/卫星视角专用变换、模拟低光照的噪声与亮度偏移、工业检测中仿缺陷的纹理变化。
- 实现:Albumentations(源码见 ultralytics/data/augment.py)
- 注意:
- 构造变换对象只能用 Python API。Ultralytics 在保存 checkpoint 时会用
A.to_dict()序列化它们,因此已序列化列表可以经由 YAML 配置或 CLI 往返传递,这也是resume能恢复它们的原因; - 对改变图像几何的空间变换要谨慎:Ultralytics 会自动调整边界框,但某些复杂变换仍可能需要额外配置;
- 增加大量或高计算开销的变换会拖慢训练,建议从小集合起步并留意每个 epoch 的耗时;
- 适用于
detect、segment、semantic、depth、pose与obb任务;分类被排除在外,因其使用独立增强管线。
- 构造变换对象只能用 Python API。Ultralytics 在保存 checkpoint 时会用
以下示例需要 Albumentations 1.4.22 或更新版本,因此需要 Python 3.9 或更新版本。
import albumentations as A
from ultralytics import YOLO
# 加载模型
model = YOLO("yolo26n.pt")
# 定义自定义 Albumentations 变换
custom_transforms = [
A.Blur(blur_limit=7, p=0.5),
A.GaussNoise(std_range=(0.0124, 0.0277), p=0.3),
A.CLAHE(clip_limit=4.0, p=0.5),
A.RandomBrightnessContrast(brightness_limit=0.2, contrast_limit=0.2, p=0.5),
A.HueSaturationValue(hue_shift_limit=20, sat_shift_limit=30, val_shift_limit=20, p=0.5),
]
# 使用自定义变换训练
model.train(
data="coco8.yaml",
epochs=100,
augmentations=custom_transforms, # 传入自定义变换
imgsz=640,
)
更进阶的用法是通过 A.OneOf 组合互斥的同类变换,形成更贴近真实退化过程的增强策略:
import albumentations as A
from ultralytics import YOLO
# 加载模型
model = YOLO("yolo26n.pt")
# 定义更进阶的自定义变换
advanced_transforms = [
A.OneOf(
[
A.MotionBlur(blur_limit=7, p=1.0),
A.MedianBlur(blur_limit=7, p=1.0),
A.GaussianBlur(blur_limit=7, p=1.0),
],
p=0.3, # 30% 概率施加其中一种模糊
),
A.OneOf(
[
A.GaussNoise(std_range=(0.0124, 0.0277), p=1.0),
A.ISONoise(color_shift=(0.01, 0.05), intensity=(0.1, 0.5), p=1.0),
],
p=0.2, # 20% 概率施加其中一种噪声
),
A.CLAHE(clip_limit=4.0, tile_grid_size=(8, 8), p=0.5),
A.RandomBrightnessContrast(brightness_limit=0.3, contrast_limit=0.3, brightness_by_max=True, p=0.5),
A.HueSaturationValue(hue_shift_limit=20, sat_shift_limit=30, val_shift_limit=20, p=0.5),
A.CoarseDropout(num_holes_range=(1, 8), hole_height_range=(8, 32), hole_width_range=(8, 32), fill=0, p=0.2),
]
# 使用进阶自定义变换训练
model.train(
data="coco8.yaml",
epochs=100,
augmentations=advanced_transforms,
imgsz=640,
)
常见问题(FAQ)
增强种类太多,该如何取舍?
取决于具体任务与数据:
- 大多数情况下,轻微的色彩与亮度变化是有益的,
hsv_h、hsv_s、hsv_v的默认值是稳妥的起点; - 若部署后相机视角固定不变,可以跳过旋转、平移、缩放、错切、透视等几何增强;若相机角度可能变化、希望模型更鲁棒,则应保留;
- 仅在“允许部分遮挡目标 / 单幅多目标且不改变标签含义”时使用
mosaic;也可以保持mosaic开启但调大close_mosaic,让其在训练早期关闭。
核心原则:保持简单。 从少量增强起步,按需逐步增加——目标是改善泛化与鲁棒性,而不是把训练流程复杂化。同时务必确保所用的增强与模型上线时将遇到的真实数据分布一致。
训练开始时看到 albumentations: Blur[...] 提示,是否意味着额外运行了模糊等增强?
如果安装了 albumentations 包,Ultralytics 确实会通过它自动施加一组额外图像增强,这些增强在内部处理、无需额外配置。完整变换列表见 Albumentations 类文档 与 Albumentations 集成指南。只有概率 p 大于 0 的增强才是活跃的;它们被刻意设定为低频(如默认 Blur、MedianBlur、ToGray、CLAHE 的 p=0.01),用于模拟模糊、灰度等真实世界的视觉伪影。
训练开始时看不到任何 albumentations 提示,为什么?
检查是否已安装 albumentations 包,未安装则执行:
pip install albumentations
安装后包会被自动检测并被 Ultralytics 使用。
如何深度自定义增强(超越内置参数)?
可以创建自定义数据集类与训练器,例如把默认的分类增强替换为 PyTorch 的 torchvision.transforms.Resize 等自定义变换,具体实现可参考 分类任务文档中的自定义训练示例。
总结
Ultralytics YOLO 的数据增强体系可分为四层:以 hsv_h/hsv_s/hsv_v 为主的色彩增强、由 RandomPerspective 统一实现的几何变换、以 Mosaic/MixUp/CutMix 为代表的跨图混合增强,以及面向分割/OBB 的 Copy-Paste 与面向分类的自动增强/随机擦除。它们全部定义在 ultralytics/cfg/default.yaml 中,由 ultralytics/data/augment.py 的 v8_transforms() 以固定顺序组装执行。无论是通过 Python API、CLI 还是 YAML 配置,掌握这些参数的作用域与默认值,就能以最小的改动代价显著改善模型的泛化与鲁棒性。