标注后的计算机视觉数据预处理技术#

数据预处理会将原始的已标注图像转换为干净且一致的输入，让计算机视觉模型能够良好训练。使用 Ultralytics YOLO26 时，核心像素操作——RGB 转换、缩放到 [0, 1] 以及调整大小——会在训练流程中自动完成，因此剩下的工作是正确划分数据集、平衡类别并选择增强方式。本指南介绍这些关键技术：调整大小、归一化、数据集划分、数据增强和探索性数据分析（EDA）。

这一步在明确项目目标以及收集并标注数据之后进行，是计算机视觉项目工作流程的早期环节。

预处理为何重要#

预处理会将数据转换为合适的格式，从而降低计算负载并提升模型性能。它可以解决原始数据中的三个常见问题：

• 噪声：数据中无关或随机的变化。
• 不一致性：图像尺寸、格式和质量存在差异。
• 类别不平衡：数据集中各类别或类别组的分布不均。

预处理技术#

主要技术包括调整大小、归一化、数据集划分和数据增强。使用 YOLO26 时，前两项会自动完成，而数据集划分和数据增强最需要你做出选择。

调整图像大小#

许多模型要求输入尺寸一致，因此调整大小可以统一图像尺寸并降低计算复杂度。常用的插值方法有两种：

• 双线性插值：对最近的四个像素进行加权平均，以平滑像素值。
• 最近邻插值：直接复制最近像素的值，不进行平均——速度更快，但图像会显得更粗糙。

OpenCV 和 PIL (Pillow) 等库提供这些功能，但使用 YOLO26 时，通常不需要手动调整图像大小。imgsz 参数会处理这项工作。在固定尺寸的正方形路径中，验证和推理会将图像填充调整至 imgsz × imgsz 输入尺寸（例如 640 × 640），同时保持宽高比并填充灰色（值为 114）。较大的图像会缩小以适应尺寸；禁用放大时，较小的图像不会放大。在默认的训练路径中，mosaic=1.0 会将四张图像拼接到较大的画布上，再裁剪回 imgsz；当 close_mosaic 在最后几个 epoch 禁用马赛克增强后，图像会进行填充调整并继续接受随机变换，而不是原样输入。矩形批次（rect=True）和 multi_scale 使用不同的输入形状。

归一化像素值#

归一化会将像素值缩放到标准范围，有助于模型在训练期间更快收敛。常见的方法有两种：

• 最小-最大缩放：将像素值缩放到 0 到 1 的范围。
• Z 分数归一化：根据均值和标准差缩放像素值。

YOLO26 会在预处理流程中自动进行归一化：它会将图像转换为 RGB，并通过除以 255 将像素值缩放到 [0, 1] 范围（最小-最大缩放）。默认情况下，YOLO 不会应用 ImageNet 风格的均值/标准差（Z 分数）归一化，因此无需手动执行归一化。

划分数据集#

将数据划分为训练集、验证集和测试集，可以用未见过的数据评估模型并衡量其泛化能力。常见的划分比例是训练集 70%、验证集 20%、测试集 10%。使用 scikit-learn 或 TensorFlow 等工具就能轻松完成划分。

划分数据时，请牢记以下几点：

• 保持类别分布：确保每个类别在训练集、验证集和测试集中都按比例分布。
• 平衡类别：对于类别不平衡的数据集，可以考虑对少数类过采样，或对多数类欠采样——但仅限训练集。

扩充数据集#

数据增强通过生成现有图像的变体，人为扩充数据集。过拟合并提升泛化能力，并带来多项好处：它有助于减少

• 模型更稳健：改变光照、方向和尺度，可以增强模型应对真实场景失真的能力。
• 经济高效：无需收集和标注新数据，就能扩充训练集。
• 更充分地利用数据：每张已标注图像都可以生成多个训练变体。

使用 YOLO26 时，通过传递给 model.train() 的训练参数或相应 CLI 标志来控制数据增强强度，而不是编辑数据集 YAML；数据集 YAML 用于定义路径、类别名称和划分等数据集元数据。唯一的例外是 flip_idx：姿态数据集会在数据集 YAML 中声明该键，用于映射左右关键点对；如果缺少该键，YOLO 会完全禁用 fliplr 和 flipud。内置增强包括：

• Mosaic、MixUp 和 CutMix（mosaic、mixup、cutmix）：将多张图像合并为一个训练样本。
• 翻转（fliplr、flipud）：水平或垂直镜像翻转图像。
• 几何变换（degrees、translate、scale、shear、perspective）：旋转、平移、缩放和扭曲图像。
• HSV 颜色抖动（hsv_h、hsv_s、hsv_v）：改变色相、饱和度和亮度。
• 复制粘贴（copy_paste）：粘贴分割对象的额外副本；默认在同一图像中镜像复制，也可以使用 copy_paste_mode=mixup 从另一张图像中复制。
• 通道交换（bgr）：将 RGB 通道顺序交换为 BGR。
• 分类变换（auto_augment、erasing）：训练分类器时，应用自动增强策略和随机擦除。

from ultralytics import YOLO

model = YOLO("yolo26n.pt")

# 数据增强通过训练参数配置，而不是通过数据集 YAML 配置
model.train(data="coco8.yaml", epochs=10, hsv_h=0.015, fliplr=0.5, mosaic=1.0, degrees=10.0)

如需查看完整的数据增强参数列表及默认值，请参阅增强设置参考文档和专门的 YOLO 数据增强指南。如果已安装 albumentations 包，YOLO 也会自动启用其内置的、基于 Albumentations 的增强功能。

案例研究：车辆检测的预处理#

假设你要使用 YOLO26 检测并分类交通图像中的车辆，输入图像已标注边界框和标签。以下是各项预处理决策的具体做法：

• 调整大小：无需手动操作——YOLO26 会在训练期间将图像调整为 imgsz。
• 归一化：无需手动操作——YOLO26 会自动将像素值缩放到 [0, 1]。
• 划分数据集：将数据集划分为训练集 70%、验证集 20% 和测试集 10%，并保持各划分中的类别分布一致。
• 数据增强：设置适合交通场景的训练参数——例如，使用 fliplr 实现方向不变性，使用 hsv_v 适应昼夜光照变化，使用 mosaic 适应不同的对象密度。

完成这些决策后，数据集就可以进行探索性数据分析（EDA）了。

探索性数据分析（EDA）#

EDA 利用统计数据和可视化来揭示数据中的模式和分布，帮助你在训练前发现类别不平衡或离群值等问题。

统计 EDA 技术#

统计 EDA 从均值、中位数、标准差和范围等基本指标入手，并对像素强度分布等属性进行计算。这些指标可以快速概览数据集的质量，并及早揭示异常。

可视化 EDA 技术#

可视化可以揭示汇总统计数据无法体现的模式，例如类别不平衡和离群值。常用工具包括：

• 直方图和箱线图：显示像素值分布，并标出强度或特征分布中的离群值。
• 条形图：比较各类别的样本数量，揭示类别不平衡。
• 散点图：探索图像特征或标注之间的关系。
• 热力图：展示像素强度分布，或标注在图像中的空间分布。

使用 Ultralytics Platform 进行 EDA#

如需无需编写代码即可进行 EDA，请将数据集上传到 Ultralytics Platform。数据集的 Charts 选项卡会自动生成关键的 EDA 可视化图表：数据划分分布、样本数量最多的类别、图像宽度/高度直方图，以及标注位置和图像尺寸的二维热力图。通过 Images 选项卡，你可以使用标注叠加层，以网格、紧凑或表格视图浏览数据，轻松发现标注错误的样本或类别不平衡问题，无需编写任何代码。

结论#

正确划分、归一化和增强数据可以减少噪声并提升泛化能力，将原始图像集合转变为可靠的训练集。完成数据集预处理后，下一步是训练模型。如果过程中遇到问题，可以在 Ultralytics GitHub 仓库或 Ultralytics Discord 服务器向社区提问。

常见问题#