Методы предобработки размеченных данных компьютерного зрения#

Предобработка данных превращает необработанные размеченные изображения в чистые и согласованные входные данные, необходимые модели компьютерного зрения для качественного обучения. С Ultralytics YOLO26 основные операции над пикселями — преобразование в RGB, масштабирование до [0, 1] и изменение размера — выполняются автоматически внутри конвейера обучения, поэтому тебе остается правильно разделить набор данных, сбалансировать классы и выбрать аугментации. В этом руководстве рассматриваются основные методы: изменение размера, нормализация, разделение набора данных, аугментация данных и разведочный анализ данных (EDA).

Этот этап выполняется после того, как ты определил цели проекта и собрал и разметил данные, и занимает начальное место в рабочем процессе проекта компьютерного зрения.

Почему предобработка важна#

Предобработка приводит данные к формату, который снижает вычислительную нагрузку и повышает производительность модели. Она устраняет три распространенные проблемы необработанных данных:

• Шум: нерелевантные или случайные вариации в данных.
• Несогласованность: различия в размерах, форматах и качестве изображений.
• Дисбаланс: неравномерное распределение классов или категорий по набору данных.

Методы предобработки#

Основные методы — изменение размера, нормализация, разделение набора данных и аугментация. В YOLO26 первые два выполняются автоматически, а при разделении и аугментации твои решения имеют наибольшее значение.

Изменение размера изображений#

Многим моделям требуется согласованный размер входных данных, поэтому изменение размера унифицирует изображения и снижает вычислительную сложность. Два распространенных метода интерполяции:

• Билинейная интерполяция: сглаживает значения пикселей, вычисляя взвешенное среднее четырех ближайших пикселей.
• Метод ближайшего соседа: копирует значение ближайшего пикселя без усреднения — работает быстрее, но создает более блочное изображение.

Библиотеки, такие как OpenCV и PIL (Pillow), предоставляют эти функции, но при использовании YOLO26 обычно не нужно изменять размер вручную. Аргумент imgsz обрабатывает это автоматически. На пути с квадратными входными данным фиксированного размера валидация и инференс вписывают изображения в imgsz × imgsz, например 640 × 640, сохраняя соотношение сторон и дополняя изображение серым цветом (значение 114). Большие изображения уменьшаются до нужного размера, а маленькие не увеличиваются, если масштабирование отключено. На стандартном пути обучения mosaic=1.0 вместо этого размещает четыре изображения на большем холсте и обрезает его до imgsz; после того как close_mosaic отключает мозаику на последних эпохах, изображения вписываются в нужный размер, а затем все еще подвергаются случайным преобразованиям, а не передаются без изменений. Прямоугольные батчи (rect=True) и multi_scale используют другие формы входных данных.

Нормализация значений пикселей#

Нормализация приводит значения пикселей к стандартному диапазону, что помогает модели быстрее сходиться во время обучения. Два распространенных метода:

• Масштабирование min-max: масштабирует значения пикселей в диапазон от 0 до 1.
• Нормализация по z-оценке: масштабирует значения пикселей на основе их среднего значения и стандартного отклонения.

YOLO26 автоматически выполняет нормализацию как часть конвейера предобработки: преобразует изображения в RGB и масштабирует значения пикселей в диапазон [0, 1], деля их на 255 (масштабирование min-max). По умолчанию YOLO не применяет нормализацию по среднему значению и стандартному отклонению в стиле ImageNet (z-оценку), поэтому выполнять нормализацию вручную не требуется.

Разделение набора данных#

Разделение данных на обучающую, валидационную и тестовую выборки позволяет оценивать модель на невидимых данных и измерять ее способность к обобщению. Распространенный вариант — 70% для обучения, 20% для валидации и 10% для тестирования. Такие инструменты, как scikit-learn или TensorFlow, упрощают эту задачу.

При разделении учитывай следующие моменты:

• Сохраняй распределение классов: убедись, что каждый класс представлен пропорционально в обучающей, валидационной и тестовой выборках.
• Балансируй классы: для несбалансированных наборов данных рассмотри возможность увеличить выборку миноритарного класса или уменьшить выборку мажоритарного класса — только внутри обучающей выборки.

Аугментация набора данных#

Аугментация данных искусственно увеличивает размер набора данных, создавая измененные версии существующих изображений. Она помогает уменьшить переобучение и улучшить обобщение, предоставляя несколько преимуществ:

• Более устойчивые модели: вариации освещения, ориентации и масштаба делают модель устойчивой к искажениям реального мира.
• Экономичность: ты расширяешь обучающую выборку без сбора и разметки новых данных.
• Более эффективное использование данных: каждое размеченное изображение дает несколько вариантов для обучения.

В YOLO26 сила аугментации задается через аргументы обучения, передаваемые в model.train(), или через соответствующие флаги CLI, а не путем редактирования YAML-файла набора данных, в котором задаются такие метаданные, как пути, имена классов и разбиение. Единственное исключение — flip_idx: наборы данных для поз объявляют его в YAML-файле набора данных для сопоставления пар левых и правых ключевых точек, а YOLO полностью отключает fliplr и flipud, если этот параметр отсутствует. Встроенные аугментации включают:

• Mosaic, MixUp и CutMix (mosaic, mixup, cutmix): объединяют несколько изображений в один обучающий пример.
• Отражения (fliplr, flipud): отражают изображения по горизонтали или вертикали.
• Геометрические преобразования (degrees, translate, scale, shear, perspective): поворачивают, сдвигают, масштабируют и деформируют изображения.
• Изменение цветов HSV (hsv_h, hsv_s, hsv_v): изменяет оттенок, насыщенность и яркость.
• Copy-paste (copy_paste): вставляет дополнительные копии сегментированных объектов, по умолчанию отражая их внутри того же изображения, или берет их из другого изображения с помощью copy_paste_mode=mixup.
• Замена каналов (bgr): меняет порядок каналов RGB на BGR.
• Преобразования для классификации (auto_augment, erasing): применяют автоматическую политику аугментации и случайное стирание при обучении классификатора.

from ultralytics import YOLO

model = YOLO("yolo26n.pt")

# Augmentation is configured with training arguments, not the dataset YAML
model.train(data="coco8.yaml", epochs=10, hsv_h=0.015, fliplr=0.5, mosaic=1.0, degrees=10.0)

Полный список аргументов аугментации и их значений по умолчанию см. в справочнике настроек аугментации и отдельном руководстве по аугментации данных YOLO. Если установлен пакет albumentations, YOLO также автоматически включает встроенные аугментации на основе Albumentations.

Пример: предобработка для обнаружения транспортных средств#

Рассмотрим проект по обнаружению и классификации транспортных средств на изображениях дорожного движения с помощью YOLO26, начиная с изображений, размеченных ограничивающими рамками и метками. Вот как выглядит каждое решение по предобработке:

• Изменение размера: ручная обработка не требуется — YOLO26 изменяет размер до imgsz во время обучения.
• Нормализация: ручная обработка не требуется — YOLO26 автоматически масштабирует значения пикселей до [0, 1].
• Разделение: раздели набор данных на 70% для обучения, 20% для валидации и 10% для тестирования, сохраняя согласованное распределение классов во всех выборках.
• Аугментация: задай аргументы обучения, подходящие для дорожных сцен, например fliplr для инвариантности к направлению, hsv_v для освещения днем и ночью и mosaic для различной плотности объектов.

После принятия этих решений набор данных готов к разведочному анализу данных (EDA).

Разведочный анализ данных (EDA)#

EDA использует статистику и визуализации для выявления закономерностей и распределений в данных, помогая обнаружить такие проблемы, как дисбаланс классов или выбросы, до начала обучения.

Методы статистического EDA#

Статистический EDA начинается с базовых метрик — среднего значения, медианы, стандартного отклонения и диапазона, — вычисленных для таких свойств, как распределение интенсивности пикселей. Они дают краткий обзор качества набора данных и позволяют заранее выявить аномалии.

Методы визуального EDA#

Визуализации выявляют закономерности, которые не видны в сводной статистике, например дисбаланс классов и выбросы. К распространенным инструментам относятся:

• Гистограммы и диаграммы размаха: показывают распределение значений пикселей и выявляют выбросы в распределениях интенсивности или признаков.
• Столбчатые диаграммы: выявляют дисбаланс классов, сравнивая количество примеров в каждом классе.
• Диаграммы рассеяния: помогают исследовать взаимосвязи между признаками изображений или аннотациями.
• Тепловые карты: визуализируют распределение интенсивности пикселей или пространственное распределение аннотаций по изображениям.

Ultralytics Platform для EDA#

Для проведения EDA без написания кода загрузи свой набор данных в Ultralytics Platform. Вкладка Charts набора данных автоматически создает основные визуализации EDA: распределение по выборкам, количество объектов в основных классах, гистограммы ширины и высоты изображений, а также двумерные тепловые карты позиций аннотаций и размеров изображений. На вкладке Images можно просматривать данные в виде сетки, компактного представления или таблицы с наложенными аннотациями, поэтому легко находить ошибочно размеченные примеры или несбалансированные классы без написания кода.

Заключение#

Правильно разделенные, нормализованные и аугментированные данные уменьшают шум и улучшают обобщение, превращая необработанную коллекцию изображений в надежную обучающую выборку. После предобработки набора данных следующий шаг — обучить модель. Если по ходу работы возникнут вопросы, обратись к сообществу в репозитории Ultralytics на GitHub или на сервере Ultralytics в Discord.

Часто задаваемые вопросы#