Aumento dei dati con Ultralytics YOLO#

Introduzione#

L'aumento dei dati è una tecnica fondamentale nella computer vision che amplia artificialmente il dataset di training applicando diverse trasformazioni alle immagini esistenti. Durante l'addestramento di modelli di deep learning come Ultralytics YOLO, l'aumento dei dati contribuisce a migliorare la robustezza del modello, riduce l'overfitting e migliora la generalizzazione agli scenari reali.

Perché l'aumento dei dati è importante#

L'aumento dei dati svolge diverse funzioni fondamentali nell'addestramento di modelli di computer vision:

• Dataset ampliato: creando varianti delle immagini esistenti, puoi aumentare efficacemente le dimensioni del dataset di training senza raccogliere nuovi dati.
• Migliore generalizzazione: i modelli imparano a riconoscere gli oggetti in condizioni diverse e diventano più robusti nelle applicazioni reali.
• Riduzione dell'overfitting: introducendo variabilità nei dati di training, è meno probabile che i modelli memorizzino caratteristiche specifiche delle immagini.
• Prestazioni migliori: i modelli addestrati con un aumento dei dati adeguato ottengono generalmente una precisione maggiore sui set di validation e test.

L'implementazione di Ultralytics YOLO offre una suite completa di tecniche di aumento dei dati, ciascuna con uno scopo specifico e un contributo diverso alle prestazioni del modello. Questa guida illustra le impostazioni di aumento dei dati riportate di seguito e ti aiuta a capire quando e come usarle efficacemente nei tuoi progetti.

Esempi di configurazione#

Puoi personalizzare ogni parametro usando l'API Python, l'interfaccia a riga di comando (CLI) o un file di configurazione. Di seguito trovi alcuni esempi di configurazione dell'aumento dei dati per ciascun metodo.

import albumentations as A

from ultralytics import YOLO

# Carica un modello
model = YOLO("yolo26n.pt")

# Addestramento con parametri di aumento dei dati personalizzati
model.train(data="coco8.yaml", epochs=100, hsv_h=0.03, hsv_s=0.6, hsv_v=0.5)

# Addestramento con tutte le opzioni di aumento dei dati configurabili disattivate (per maggiore chiarezza, i valori disattivati sono omessi)
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,
)

# Addestramento con trasformazioni Albumentations personalizzate (solo API Python)
custom_transforms = [
    A.Blur(blur_limit=7, p=0.5),
    A.CLAHE(clip_limit=4.0, p=0.5),
]
model.train(data="coco8.yaml", epochs=100, augmentations=custom_transforms)

Uso di un file di configurazione#

Puoi definire tutti i parametri di training, compresi quelli per l'aumento dei dati, in un file di configurazione YAML (ad es. train_custom.yaml). Il parametro mode è necessario solo quando usi la CLI. Questo nuovo file YAML sostituirà quindi quello predefinito incluso nel pacchetto ultralytics.

# train_custom.yaml
# 'mode' is required only for CLI usage
mode: train
data: coco8.yaml
model: yolo26n.pt
epochs: 100
hsv_h: 0.03
hsv_s: 0.6
hsv_v: 0.5

Avvia quindi l'addestramento con l'API Python:

from ultralytics import YOLO

# Carica un modello YOLO26n preaddestrato su COCO
model = YOLO("yolo26n.pt")

# Addestra il modello con una configurazione personalizzata
model.train(cfg="train_custom.yaml")

Trasformazioni dello spazio colore#

Regolazione della tonalità (hsv_h)#

• Intervallo: 0.0 - 1.0
• Predefinito: 0.015
• Uso: modifica i colori dell'immagine mantenendo le relazioni tra di essi. L'iperparametro hsv_h definisce l'entità dello spostamento; la regolazione finale viene scelta casualmente tra -hsv_h e hsv_h. Ad esempio, con hsv_h=0.3, lo spostamento viene selezionato casualmente nell'intervallo da -0.3 a 0.3. Per valori superiori a 0.5, lo spostamento della tonalità si ripete sul cerchio cromatico; per questo le trasformazioni appaiono uguali tra 0.5 e -0.5.
• Scopo: particolarmente utile negli scenari all'aperto, dove le condizioni di illuminazione possono influire notevolmente sull'aspetto degli oggetti. Ad esempio, una banana può apparire più gialla sotto la luce intensa del sole e più verdastra in ambienti interni.
• Implementazione di Ultralytics: RandomHSV

-0.5	-0.25	0.0	0.25	0.5

Regolazione della saturazione (hsv_s)#

• Intervallo: 0.0 - 1.0
• Predefinito: 0.7
• Uso: modifica l'intensità dei colori nell'immagine. L'iperparametro hsv_s definisce l'entità dello spostamento; la regolazione finale viene scelta casualmente tra -hsv_s e hsv_s. Ad esempio, con hsv_s=0.7, l'intensità viene selezionata casualmente nell'intervallo da -0.7 a 0.7.
• Scopo: aiuta i modelli a gestire condizioni meteorologiche e impostazioni della fotocamera variabili. Ad esempio, un cartello stradale rosso può apparire molto acceso in una giornata di sole, ma spento e sbiadito in condizioni di nebbia.
• Implementazione di Ultralytics: RandomHSV

-1.0	-0.5	0.0	0.5	1.0

Regolazione della luminosità (hsv_v)#

• Intervallo: 0.0 - 1.0
• Predefinito: 0.4
• Uso: modifica la luminosità dell'immagine. L'iperparametro hsv_v definisce l'entità dello spostamento; la regolazione finale viene scelta casualmente tra -hsv_v e hsv_v. Ad esempio, con hsv_v=0.4, l'intensità viene selezionata casualmente nell'intervallo da -0.4 a 0.4.
• Scopo: essenziale per addestrare modelli che devono funzionare in condizioni di illuminazione diverse. Ad esempio, una mela rossa può apparire luminosa alla luce del sole e molto più scura all'ombra.
• Implementazione di Ultralytics: RandomHSV

-1.0	-0.5	0.0	0.5	1.0

Trasformazioni geometriche#

Rotazione (degrees)#

• Intervallo: da 0.0 a 180
• Predefinito: 0
• Uso: ruota le immagini casualmente entro l'intervallo specificato. L'iperparametro degrees definisce l'angolo di rotazione; la regolazione finale viene scelta casualmente tra -degrees e degrees. Ad esempio, con degrees=10.0, la rotazione viene selezionata casualmente nell'intervallo da -10.0 a 10.0.
• Scopo: fondamentale per le applicazioni in cui gli oggetti possono comparire con orientamenti diversi. Ad esempio, nelle immagini aeree riprese dai droni, i veicoli possono essere orientati in qualsiasi direzione; i modelli devono quindi riconoscere gli oggetti indipendentemente dalla loro rotazione.
• Implementazione di Ultralytics: RandomPerspective

-180	-90	0.0	90	180

Traslazione (translate)#

• Intervallo: 0.0 - 1.0
• Predefinito: 0.1
• Uso: sposta le immagini orizzontalmente e verticalmente di una frazione casuale delle loro dimensioni. L'iperparametro translate definisce l'entità dello spostamento; la regolazione finale viene scelta casualmente, due volte (una per ciascun asse), nell'intervallo compreso tra -translate e translate. Ad esempio, con translate=0.5, la traslazione sull'asse x viene selezionata casualmente nell'intervallo da -0.5 a 0.5, mentre per l'asse y viene selezionato un altro valore casuale indipendente nello stesso intervallo.
• Scopo: aiuta i modelli a imparare a rilevare oggetti parzialmente visibili e migliora la robustezza rispetto alla posizione degli oggetti. Ad esempio, nelle applicazioni di valutazione dei danni ai veicoli, le parti di un'auto possono comparire nell'inquadratura per intero o solo in parte, a seconda della posizione e della distanza del fotografo. La trasformazione di traslazione insegna al modello a riconoscere queste caratteristiche indipendentemente da quanto siano complete o dalla loro posizione.
• Implementazione di Ultralytics: RandomPerspective
• Nota: per semplicità, le traslazioni applicate qui sotto sono uguali ogni volta per entrambi gli assi x e y. I valori -1.0 e 1.0 non sono mostrati perché sposterebbero completamente l'immagine fuori dall'inquadratura.

-0.5	-0.25	0.0	0.25	0.5

Scala (scale)#

• Intervallo: da 0.0 a 1.0 come numero decimale oppure come tupla esplicita (min, max)
• Predefinito: 0.5
• Uso: ridimensiona le immagini con un fattore casuale nell'intervallo specificato. Se è un numero decimale, l'iperparametro scale definisce il fattore di scala; il fattore finale viene scelto casualmente tra 1-scale e 1+scale. Ad esempio, con scale=0.5, il fattore di scala viene selezionato casualmente nell'intervallo da 0.5 a 1.5. Se è una tupla, scale imposta direttamente l'intervallo, quindi scale=(0.5, 2.0) seleziona il fattore tra 0.5 e 2.0.
• Scopo: permette ai modelli di gestire oggetti a distanze e dimensioni diverse. Ad esempio, nelle applicazioni di guida autonoma i veicoli possono trovarsi a distanze diverse dalla fotocamera; il modello deve quindi riconoscerli indipendentemente dalle loro dimensioni.
• Implementazione di Ultralytics: RandomPerspective
• Nota:
  • Il valore -1.0 non è mostrato perché farebbe scomparire l'immagine, mentre 1.0 produce semplicemente uno zoom 2x.
  • I valori mostrati nella tabella seguente sono gli scostamenti di scala effettivi, non i valori da passare all'iperparametro scale.
  • La forma decimale è convalidata rispetto all'intervallo da 0.0 a 1.0; un valore al di fuori dell'intervallo genera un ValueError. Per selezionare un fattore superiore a uno zoom 2x, usa invece la forma a tupla (min, max).
  • La forma a tupla si applica solo alle attività geometriche. L'addestramento di classificazione ricava il proprio intervallo di ritaglio dal numero decimale (da 1.0 - scale a 1.0), quindi passare una tupla genera un TypeError.

-0.5	-0.25	0.0	0.25	0.5

Inclinazione (shear)#

• Intervallo: da -180 a +180
• Predefinito: 0
• Uso: applica una trasformazione geometrica che inclina l'immagine lungo gli assi x e y, spostando di fatto alcune parti dell'immagine in una direzione e mantenendo parallele le rette. L'iperparametro shear definisce l'angolo di inclinazione; la regolazione finale viene scelta casualmente tra -shear e shear. Ad esempio, con shear=10.0, l'inclinazione sull'asse x viene selezionata casualmente nell'intervallo da -10 a 10, mentre per l'asse y viene selezionato un altro valore casuale indipendente nello stesso intervallo.
• Scopo: aiuta i modelli a generalizzare rispetto alle variazioni dell'angolo di visuale causate da leggere inclinazioni o prospettive oblique. Ad esempio, nel monitoraggio del traffico, oggetti come automobili e segnali stradali possono apparire inclinati perché le fotocamere non sono posizionate perpendicolarmente. L'aumento dei dati tramite inclinazione assicura che il modello impari a riconoscere gli oggetti nonostante queste distorsioni.
• Implementazione di Ultralytics: RandomPerspective
• Nota:
  • I valori shear possono distorcere rapidamente l'immagine; è quindi consigliabile iniziare con valori piccoli e aumentarli gradualmente.
  • A differenza delle trasformazioni prospettiche, l'inclinazione non introduce profondità o punti di fuga, ma distorce la forma degli oggetti modificandone gli angoli e mantenendo paralleli i lati opposti.

-10	-5	0.0	5	10

Prospettiva (perspective)#

• Intervallo: 0.0 - 0.001
• Predefinito: 0
• Uso: applica una trasformazione prospettica completa lungo gli assi x e y, simulando l'aspetto degli oggetti osservati da profondità o angolazioni diverse. L'iperparametro perspective definisce l'entità della prospettiva; la regolazione finale viene scelta casualmente tra -perspective e perspective. Ad esempio, con perspective=0.001, la prospettiva sull'asse x viene selezionata casualmente nell'intervallo da -0.001 a 0.001, mentre per l'asse y viene selezionato un altro valore casuale indipendente nello stesso intervallo.
• Scopo: l'aumento dei dati tramite prospettiva è fondamentale per gestire cambiamenti estremi dell'angolo di visuale, soprattutto nei casi in cui gli oggetti appaiono scorciati o distorti a causa delle variazioni prospettiche. Ad esempio, nel rilevamento di oggetti con i droni, edifici, strade e veicoli possono apparire allungati o compressi a seconda dell'inclinazione e dell'altitudine del drone. Applicando trasformazioni prospettiche, i modelli imparano a riconoscere gli oggetti nonostante le distorsioni prospettiche e diventano più robusti nelle applicazioni reali.
• Implementazione di Ultralytics: RandomPerspective

-0.001	-0.0005	0.0	0.0005	0.001

Capovolgimento verticale (flipud)#

• Intervallo: 0.0 - 1.0
• Predefinito: 0
• Uso: capovolge verticalmente l'immagine invertendola lungo l'asse y. Questa trasformazione capovolge l'intera immagine sottosopra, ma mantiene tutte le relazioni spaziali tra gli oggetti. L'iperparametro flipud definisce la probabilità di applicare la trasformazione: il valore flipud=1.0 assicura che tutte le immagini vengano capovolte, mentre il valore flipud=0.0 disattiva completamente la trasformazione. Ad esempio, con flipud=0.5, ogni immagine ha il 50% di probabilità di essere capovolta sottosopra.
• Scopo: utile negli scenari in cui gli oggetti possono apparire capovolti. Ad esempio, nei sistemi di visione robotica, gli oggetti su nastri trasportatori o bracci robotici possono essere prelevati e posizionati con orientamenti diversi. Il capovolgimento verticale aiuta il modello a riconoscere gli oggetti indipendentemente dal loro orientamento dall'alto verso il basso.
• Implementazione di Ultralytics: RandomFlip

flipud disattivato	flipud attivato

Capovolgimento orizzontale (fliplr)#

• Intervallo: 0.0 - 1.0
• Predefinito: 0.5
• Uso: capovolge orizzontalmente l'immagine specchiandola lungo l'asse x. Questa trasformazione scambia i lati sinistro e destro mantenendo la coerenza spaziale, aiutando il modello a generalizzare agli oggetti con orientamento speculare. L'iperparametro fliplr definisce la probabilità di applicare la trasformazione: il valore fliplr=1.0 assicura che tutte le immagini vengano capovolte, mentre il valore fliplr=0.0 disattiva completamente la trasformazione. Ad esempio, con fliplr=0.5, ogni immagine ha il 50% di probabilità di essere capovolta da sinistra a destra.
• Scopo: il capovolgimento orizzontale è ampiamente usato nel rilevamento di oggetti, nella stima della posa e nel riconoscimento facciale per migliorare la robustezza rispetto alle variazioni tra sinistra e destra. Ad esempio, nella guida autonoma, veicoli e pedoni possono trovarsi su entrambi i lati della strada; il capovolgimento orizzontale aiuta il modello a riconoscerli con la stessa efficacia in entrambi gli orientamenti.
• Implementazione di Ultralytics: RandomFlip

fliplr disattivato	fliplr attivato

Scambio dei canali BGR (bgr)#

• Intervallo: 0.0 - 1.0
• Predefinito: 0
• Uso: scambia i canali di colore di un'immagine passando da RGB a BGR e modificando l'ordine di rappresentazione dei colori. L'iperparametro bgr definisce la probabilità di applicare la trasformazione: il valore bgr=1.0 assicura che tutte le immagini subiscano lo scambio dei canali, mentre il valore bgr=0.0 lo disattiva. Ad esempio, con bgr=0.5, ogni immagine ha il 50% di probabilità di essere convertita da RGB a BGR.
• Scopo: aumenta la robustezza rispetto ai diversi ordinamenti dei canali di colore. Ad esempio, durante l'addestramento di modelli che devono funzionare con vari sistemi di fotocamere e librerie di elaborazione delle immagini, dove i formati RGB e BGR potrebbero essere usati in modo incoerente, oppure quando i modelli vengono distribuiti in ambienti in cui il formato colore dell'input può differire da quello dei dati di training.
• Implementazione di Ultralytics: Format

bgr disattivato	bgr attivato

Mosaic (mosaic)#

• Intervallo: 0.0 - 1.0
• Predefinito: 1
• Uso: combina quattro immagini di training in una. L'iperparametro mosaic definisce la probabilità di applicare la trasformazione: il valore mosaic=1.0 assicura che tutte le immagini vengano combinate, mentre il valore mosaic=0.0 disattiva la trasformazione. Ad esempio, con mosaic=0.5, ogni immagine ha il 50% di probabilità di essere combinata con altre tre immagini.
• Scopo: molto efficace per migliorare il rilevamento di oggetti piccoli e la comprensione del contesto. Ad esempio, nei progetti di conservazione della fauna selvatica, gli animali possono comparire a distanze e scale diverse. L'aumento dei dati mosaic aiuta il modello a imparare a riconoscere la stessa specie con dimensioni diverse, occlusioni parziali e contesti ambientali differenti, creando artificialmente campioni di training diversificati a partire da dati limitati.
• Implementazione di Ultralytics: Mosaic
• Nota:
  • Anche se l'aumento dei dati mosaic rende il modello più robusto, può rendere più impegnativo il processo di training.
  • L'aumento dei dati mosaic può essere disattivato verso la fine dell'addestramento impostando close_mosaic sul numero di epoche mancanti al completamento dopo il quale disattivarlo. Ad esempio, se epochs è impostato su 200 e close_mosaic è impostato su 20, l'aumento dei dati mosaic verrà disattivato dopo 180 epoche. Se close_mosaic è impostato su 0, l'aumento dei dati mosaic sarà attivo per l'intero processo di training.
  • La chiusura del mosaic disattiva anche copy_paste, mixup e cutmix alla stessa epoca. Le quattro trasformazioni vengono disattivate insieme, così le epoche finali si svolgono senza di esse, mentre tutte le altre trasformazioni di aumento dei dati — trasformazioni geometriche, HSV, capovolgimenti e Albumentations — continuano a essere applicate. Nota che copy_paste, nella modalità predefinita flip, opera su una singola immagine anziché combinarne diverse.
  • Il centro del mosaic generato viene determinato usando valori casuali e può trovarsi all'interno o all'esterno dell'immagine.
  • L'implementazione attuale dell'aumento dei dati mosaic combina l'immagine corrente con altre 3, estratte da un buffer di immagini caricate di recente oppure da qualsiasi punto del dataset, se cache='ram'. In entrambi i casi, le immagini vengono campionate con reinserimento, quindi la stessa immagine può comparire più di una volta in un singolo mosaic.

mosaic disattivato	mosaic attivato

Mixup (mixup)#

• Intervallo: 0.0 - 1.0
• Predefinito: 0
• Uso: fonde due immagini e le rispettive etichette con una determinata probabilità. L'iperparametro mixup definisce la probabilità di applicare la trasformazione: il valore mixup=1.0 assicura che tutte le immagini vengano mescolate, mentre il valore mixup=0.0 disattiva la trasformazione. Ad esempio, con mixup=0.5, ogni immagine ha il 50% di probabilità di essere mescolata con un'altra.
• Scopo: migliora la robustezza del modello e riduce l'overfitting. Ad esempio, nei sistemi di riconoscimento dei prodotti al dettaglio, mixup aiuta il modello a imparare caratteristiche più robuste fondendo immagini di prodotti diversi; in questo modo, il modello impara a identificare gli articoli anche quando sono parzialmente visibili o nascosti da altri prodotti sugli scaffali affollati dei negozi.
• Implementazione di Ultralytics: MixUp
• Nota:
  • Il rapporto mixup è un valore casuale estratto da una distribuzione beta np.random.beta(32.0, 32.0); ciò significa che ogni immagine contribuisce per circa il 50%, con leggere variazioni.

Prima immagine, mixup disattivato	Seconda immagine, mixup disattivato	mixup attivato

CutMix (cutmix)#

• Intervallo: 0.0 - 1.0
• Predefinito: 0
• Uso: ritaglia una regione rettangolare da un'immagine e la incolla su un'altra con una probabilità specificata. L'iperparametro cutmix definisce la probabilità di applicare la trasformazione; cutmix=1.0 fa sì che la trasformazione venga applicata a tutte le immagini, mentre cutmix=0.0 la disabilita completamente. Ad esempio, con cutmix=0.5, ogni immagine ha il 50% di probabilità che una regione venga sostituita con una porzione ritagliata da un'altra immagine.
• Scopo: migliora le prestazioni del modello creando scenari realistici di occlusione e mantenendo l'integrità delle caratteristiche locali. Ad esempio, nei sistemi di guida autonoma, CutMix aiuta il modello a imparare a riconoscere veicoli o pedoni anche quando sono parzialmente occlusi da altri oggetti, migliorando la precisione di rilevamento in ambienti reali complessi con oggetti sovrapposti.
• Implementazione di Ultralytics: CutMix
• Nota:
  • Le dimensioni e la posizione della regione ritagliata vengono determinate casualmente a ogni applicazione.
  • A differenza di mixup, che combina globalmente i valori dei pixel, cutmix mantiene le intensità originali dei pixel nelle regioni ritagliate, preservando le caratteristiche locali.
  • Una regione viene incollata nell'immagine di destinazione solo se non si sovrappone a nessun riquadro di delimitazione esistente. Inoltre, vengono mantenuti solo i riquadri di delimitazione che conservano una porzione sufficiente della loro area originale all'interno della regione incollata.
  • Con l'implementazione attuale non è possibile modificare questa soglia minima dell'area del riquadro di delimitazione. È pari a 0.1 (10%) per le etichette di rilevamento e a 0.01 (1%) quando le etichette includono segmenti.

Prima immagine, cutmix disattivato	Seconda immagine, cutmix disattivato	cutmix attivato

Augmentazioni Copy-Paste#

Copy-Paste (copy_paste)#

• Intervallo: 0.0 - 1.0
• Predefinito: 0
• Uso: richiede etichette poligonali, quindi si applica alle attività di segmentazione e OBB; questa augmentazione copia oggetti all'interno o tra immagini, in base a copy_paste_mode. In modalità flip, copy_paste indica la frazione di oggetti idonei che vengono copiati: un'immagine con sei oggetti idonei ne acquisisce tre copie a copy_paste=0.5. In modalità mixup, lo stesso valore controlla anche la probabilità che Copy-Paste venga eseguito. copy_paste=0.0 disabilita la trasformazione.
• Scopo: è particolarmente utile per le attività di segmentazione di istanze e per le classi di oggetti rari. Ad esempio, nel rilevamento di difetti industriali, dove alcuni tipi di difetti compaiono raramente, l'augmentazione Copy-Paste può aumentare artificialmente la frequenza di questi difetti rari copiandoli da un'immagine a un'altra. In questo modo il modello impara meglio a riconoscere i casi sottorappresentati senza richiedere altri campioni difettosi.
• Implementazione di Ultralytics: CopyPaste
• Nota:
  • Come mostrato nel video qui sotto, l'augmentazione copy_paste può essere usata per copiare oggetti da un'immagine a un'altra.
  • Dopo aver selezionato un oggetto da copiare, il suo IoA viene calcolato rispetto a tutti gli oggetti già presenti nell'immagine di destinazione, indipendentemente da copy_paste_mode. L'oggetto viene incollato solo se tutti i valori IoA sono inferiori a 0.3 (30%); non viene incollato se un qualsiasi valore IoA è pari o superiore a 0.3.
  • Con l'implementazione attuale non è possibile modificare la soglia IoA, che per impostazione predefinita è 0.3.

copy_paste disattivato	copy_paste attivo con copy_paste_mode=flip	Visualizza il processo copy_paste

Modalità Copy-Paste (copy_paste_mode)#

• Opzioni: 'flip', 'mixup'
• Predefinito: 'flip'
• Uso: determina il metodo usato per l'augmentazione Copy-Paste. Se impostato su 'flip', gli oggetti provengono dalla stessa immagine, mentre 'mixup' consente di copiare oggetti da immagini diverse.
• Scopo: offre flessibilità nel modo in cui gli oggetti copiati vengono integrati nelle immagini di destinazione.
• Implementazione di Ultralytics: CopyPaste
• Nota:
  • Il principio IoA è lo stesso per entrambe le opzioni copy_paste_mode, ma il modo in cui gli oggetti vengono copiati è diverso.
  • A seconda delle dimensioni dell'immagine, a volte gli oggetti possono essere copiati parzialmente o interamente fuori dall'inquadratura.
  • A seconda della qualità delle annotazioni poligonali, gli oggetti copiati possono presentare lievi variazioni di forma rispetto agli originali.

Immagine di riferimento	Immagine scelta per copy_paste	copy_paste attivo con copy_paste_mode=mixup

Augmentazioni specifiche per la classificazione#

Auto Augment (auto_augment)#

• Opzioni: 'randaugment', 'autoaugment', 'augmix', None
• Predefinito: 'randaugment'
• Uso: applica policy di augmentazione automatizzate per la classificazione. L'opzione 'randaugment' usa RandAugment, 'autoaugment' usa AutoAugment e 'augmix' usa AugMix. Impostando None, l'augmentazione automatizzata viene disabilitata.
• Scopo: ottimizza automaticamente le strategie di augmentazione per le attività di classificazione. Ecco le differenze:
  • AutoAugment: questa modalità applica policy di augmentazione predefinite, apprese da dataset come ImageNet, CIFAR10 e SVHN. Puoi selezionare queste policy esistenti, ma non puoi addestrarne di nuove con Torchvision. Per individuare le strategie di augmentazione ottimali per dataset specifici, servono librerie esterne o implementazioni personalizzate. Consulta l'articolo su AutoAugment.
  • RandAugment: applica una selezione casuale di trasformazioni con intensità uniforme. Questo approccio riduce la necessità di una fase di ricerca approfondita, rendendo il processo più efficiente dal punto di vista computazionale e migliorando comunque la robustezza del modello. Consulta l'articolo su RandAugment.
  • AugMix: AugMix è un metodo di augmentazione dei dati che migliora la robustezza del modello creando variazioni diverse delle immagini mediante combinazioni casuali di trasformazioni semplici. Consulta l'articolo su AugMix.
• Implementazione di Ultralytics: classify_augmentations()
• Nota:
  • In sostanza, la differenza principale tra i tre metodi è il modo in cui le policy di augmentazione vengono definite e applicate.
  • Puoi consultare questo articolo, che confronta nel dettaglio i tre metodi.

Random Erasing (erasing)#

• Intervallo: 0.0 - 1.0
• Predefinito: 0.4
• Uso: cancella casualmente porzioni dell'immagine durante l'addestramento per la classificazione. L'iperparametro erasing definisce la probabilità di applicare la trasformazione; erasing=1.0 cancella una regione in ogni immagine, mentre erasing=0.0 disabilita la trasformazione. Ad esempio, con erasing=0.5, ogni immagine ha il 50% di probabilità che una porzione venga cancellata.
• Scopo: aiuta i modelli ad apprendere caratteristiche robuste e impedisce che dipendano eccessivamente da regioni specifiche dell'immagine. Ad esempio, nei sistemi di riconoscimento facciale, Random Erasing aiuta i modelli a diventare più robusti alle occlusioni parziali, come occhiali da sole, mascherine o altri oggetti che possono coprire parzialmente i tratti del viso. Questo migliora le prestazioni nel mondo reale, perché costringe il modello a identificare le persone usando più caratteristiche facciali anziché basarsi soltanto su tratti distintivi che potrebbero essere nascosti.
• Implementazione di Ultralytics: classify_augmentations()
• Nota:
  • L'augmentazione erasing include gli iperparametri scale, ratio e value, che non possono essere modificati con l'implementazione attuale. Come indicato nella documentazione di PyTorch, i rispettivi valori predefiniti sono (0.02, 0.33), (0.3, 3.3) e 0.

erasing disattivato	erasing attivo (esempio 1)	erasing attivo (esempio 2)	erasing attivo (esempio 3)

Funzionalità avanzate di augmentazione#

Trasformazioni Albumentations personalizzate (augmentations)#

• Tipo: list delle trasformazioni Albumentations
• Predefinito: None
• Uso: consente di fornire trasformazioni Albumentations personalizzate per l'augmentazione dei dati tramite l'API Python. Questo parametro accetta un elenco di oggetti di trasformazione Albumentations, che vengono applicati durante l'addestramento al posto delle trasformazioni Albumentations predefinite.
• Scopo: offre un controllo dettagliato sulle strategie di augmentazione dei dati sfruttando l'ampia libreria di trasformazioni Albumentations. È particolarmente utile quando servono augmentazioni specializzate che vanno oltre le opzioni YOLO integrate, come deformazioni elastiche e distorsioni a griglia per l'imaging medico, trasformazioni ottimizzate per riprese aeree dall'alto e immagini satellitari, variazioni di rumore e luminosità che simulano condizioni di scarsa illuminazione o variazioni di texture simili a difetti per l'ispezione industriale.
• Implementazione di Ultralytics: Albumentations
• Nota:
  • Per creare gli oggetti di trasformazione è necessaria l'API Python. Quando salva un checkpoint, Ultralytics li serializza con A.to_dict(); in questo modo, un elenco già serializzato può essere salvato e ricaricato tramite un file di configurazione YAML o la CLI, consentendo a resume di ripristinarli.
  • Le trasformazioni personalizzate sostituiscono completamente il set predefinito di Albumentations. Tutte le altre augmentazioni configurate in questa pagina — mosaic, hsv_h, degrees e le altre — restano attive e vengono applicate indipendentemente.
  • Le trasformazioni spaziali che modificano la geometria dell'immagine, incluse quelle annidate in A.OneOf o A.Compose, spostano insieme all'immagine i riquadri di delimitazione, i poligoni, i punti chiave e le maschere di profondità o semantiche; A.RandomGridShuffle non può preservare la topologia dei poligoni o dei punti chiave e genera un errore con i campioni di segmentazione, posa e OBB.
  • Albumentations offre oltre 70 trasformazioni; la documentazione di Albumentations le elenca tutte. Aggiungere molte trasformazioni, o trasformazioni con un costo computazionale elevato, rallenta l'addestramento. Inizia quindi con un piccolo set e tieni d'occhio la durata delle epoche.
  • Si applica alle attività detect, segment, semantic, depth, pose e obb. La classificazione è esclusa, perché usa una pipeline di augmentazione separata.

Gli esempi seguenti richiedono Albumentations 1.4.22 o versioni successive e quindi Python 3.9 o versioni successive.

import albumentations as A

from ultralytics import YOLO

# Carica un modello
model = YOLO("yolo26n.pt")

# Definisci trasformazioni Albumentations personalizzate
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),
]

# Addestra con trasformazioni Albumentations personalizzate
model.train(
    data="coco8.yaml",
    epochs=100,
    augmentations=custom_transforms,  # Passa trasformazioni personalizzate
    imgsz=640,
)

Domande frequenti#