可选的数据增强太多了。我该如何知道该用哪些？

选择合适的数据增强取决于你的具体用例和数据集。以下是一些通用建议，可帮助你做出选择：; 在大多数情况下，轻微改变颜色和亮度会有帮助。hsv_h、hsv_s 和 hsv_v 的默认值是不错的起点。; 如果相机视角固定，且模型部署后不会改变，你可能可以跳过几何变换，例如 degrees（旋转）、translate、scale、shear 或 perspective。不过，如果相机角度可能变化，且你希望模型更鲁棒，最好保留这些增强。; 只有在图像中出现部分遮挡的对象或多个对象可以接受，且不会改变标签值时，才使用 mosaic 增强。你也可以保持 mosaic 启用，但调高 close_mosaic 的值，使其在训练过程中更早禁用。. 简而言之：保持简单。从少量增强开始，再根据需要逐步增加。目标是提升模型的泛化能力和鲁棒性，而不是让训练过程过于复杂。另外，请确保所用增强反映模型在生产环境中会遇到的相同数据分布。

开始训练时，我看到一个 albumentations: Blur[...] 引用。这是否意味着 Ultralytics YOLO 会运行模糊处理等额外增强？

如果安装了 albumentations 包，Ultralytics 会自动使用该包应用一组额外的图像增强。这些增强由内部处理，无需额外配置。. 你可以在我们的技术文档和 Albumentations 集成指南中找到所应用变换的完整列表。请注意，只有概率 p 大于 0 的增强才会启用。这些增强特意以较低频率应用，以模拟模糊或灰度效果等真实视觉伪影。. 你也可以通过 Python API 提供自己的自定义 Albumentations 变换。更多详情请参阅高级增强功能部分。

开始训练时，我没有看到任何关于 albumentations 的引用。为什么？

检查是否已安装 albumentations 包。如果没有，请安装：. 安装后，Ultralytics 应会自动检测并使用该包。

如何自定义数据增强？

你可以通过创建自定义数据集类和训练器来自定义数据增强。例如，你可以将 Ultralytics 默认的分类增强替换为 PyTorch 的 torchvision.transforms.Resize 或其他变换。有关实现详情，请参阅分类文档中的自定义训练示例。

使用 Ultralytics YOLO 进行数据增强#

YOLO data augmentation examples showing original and augmented images for training

简介#

数据增强是计算机视觉中的一项关键技术，它通过对现有图像应用各种变换，人工扩充训练数据集。在训练 Ultralytics YOLO 等深度学习模型时，数据增强有助于提升模型的鲁棒性、减少过拟合，并增强模型对真实场景的泛化能力。

观看： 如何使用 Mosaic、MixUp 等数据增强方法，帮助 Ultralytics YOLO 模型提升泛化能力 🚀

数据增强为何重要#

数据增强在计算机视觉模型训练中发挥着多项关键作用：

扩充数据集：通过生成现有图像的变体，你可以有效扩大训练数据集，而无需收集新数据。
提升泛化能力：模型能够学习在各种条件下识别物体，从而在实际应用中更具鲁棒性。
减少过拟合：通过在训练数据中引入变化，模型不太可能记住特定的图像特征。
提升性能：使用适当增强方法训练的模型通常能在验证集和测试集上取得更高的准确率。

Ultralytics YOLO 的实现提供了一套全面的数据增强技术，每种技术都有特定用途，并以不同方式提升模型性能。本指南将介绍以下增强设置，帮助你了解何时以及如何在项目中有效使用这些设置。

配置示例#

你可以通过 Python API、命令行界面 (CLI) 或配置文件自定义每个参数。以下示例展示了如何通过每种方法设置数据增强。

配置示例

import albumentations as A

from ultralytics import YOLO

# 加载模型
model = YOLO("yolo26n.pt")

# 使用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项进行训练（为清晰起见，省略已禁用的值）
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,
)

# 使用自定义 Albumentations 变换进行训练（仅限 Python API）
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)

将增强参数设为零并不会禁用 Albumentations

本页列出的变换可通过训练参数进行控制。只要安装了 albumentations 包，Ultralytics 还会应用一组轻量级的 Albumentations 变换——模糊、中值模糊、灰度化和 CLAHE，每种变换的概率均为 p=0.01；而且 default.yaml 中没有任何参数可以将其关闭。卸载该包即可移除这些变换，或者向 augmentations 传入你自己的变换列表来替换它们。

使用配置文件#

你可以在 YAML 配置文件（例如 train_custom.yaml）中定义所有训练参数，包括增强参数。只有使用 CLI 时才需要 mode 参数。随后，这个新的 YAML 文件会覆盖 ultralytics 包中的默认配置文件。

# 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

然后使用 Python API 启动训练：

训练示例

from ultralytics import YOLO

# 加载经过 COCO 预训练的 YOLO26n 模型
model = YOLO("yolo26n.pt")

# 使用自定义配置训练模型
model.train(cfg="train_custom.yaml")

色彩空间增强#

色调调整 (`hsv_h`)#

范围：0.0 - 1.0
默认值：0.015
用法：调整图像颜色，同时保留颜色之间的关系。hsv_h 超参数定义偏移幅度，最终调整值会在 -hsv_h 和 hsv_h 之间随机选取。例如，设置为 hsv_h=0.3 时，偏移值会在 -0.3 到 0.3 之间随机选取。对于高于 0.5 的值，色调偏移会绕色轮循环，因此 0.5 和 -0.5 之间的增强效果看起来相同。
目的：这种方法对户外场景尤其有用，因为光照条件会显著影响物体外观。例如，香蕉在明亮的阳光下可能看起来更黄，而在室内则可能偏绿。
Ultralytics 的实现：RandomHSV

`-0.5`	`-0.25`	`0.0`	`0.25`	`0.5`

饱和度调整 (`hsv_s`)#

范围：0.0 - 1.0
默认值：0.7
用法：调整图像中颜色的强度。hsv_s 超参数定义偏移幅度，最终调整值会在 -hsv_s 和 hsv_s 之间随机选取。例如，设置为 hsv_s=0.7 时，强度会在 -0.7 到 0.7 之间随机选取。
目的：帮助模型适应不同的天气条件和相机设置。例如，红色交通标志在晴天可能颜色鲜艳，在有雾的条件下则可能显得暗淡褪色。
Ultralytics 的实现：RandomHSV

`-1.0`	`-0.5`	`0.0`	`0.5`	`1.0`

亮度调整 (`hsv_v`)#

范围：0.0 - 1.0
默认值：0.4
用法：改变图像亮度。hsv_v 超参数定义偏移幅度，最终调整值会在 -hsv_v 和 hsv_v 之间随机选取。例如，设置为 hsv_v=0.4 时，强度会在 -0.4 到 0.4 之间随机选取。
目的：对于需要在不同光照条件下运行的模型而言，这项增强必不可少。例如，红苹果在阳光下可能看起来很亮，在阴影中则会暗得多。
Ultralytics 的实现：RandomHSV

`-1.0`	`-0.5`	`0.0`	`0.5`	`1.0`

几何变换#

旋转 (`degrees`)#

范围：0.0 到 180
默认值：0
用法：在指定范围内随机旋转图像。degrees 超参数定义旋转角度，最终调整值会在 -degrees 和 degrees 之间随机选取。例如，设置为 degrees=10.0 时，旋转角度会在 -10.0 到 10.0 之间随机选取。
目的：对于物体可能以不同方向出现的应用场景，这项增强至关重要。例如，在无人机航拍图像中，车辆可能朝向任意方向，因此模型需要无论物体旋转角度如何都能识别它们。
Ultralytics 的实现：RandomPerspective

`-180`	`-90`	`0.0`	`90`	`180`

平移 (`translate`)#

范围：0.0 - 1.0
默认值：0.1
用法：按图像尺寸的一定随机比例，沿水平方向和垂直方向移动图像。translate 超参数定义偏移幅度，最终调整值会在 -translate 和 translate 范围内随机选取两次（每个轴各选一次）。例如，设置为 translate=0.5 时，x 轴方向的平移量会在 -0.5 到 0.5 之间随机选取，y 轴方向则会在相同范围内独立随机选取另一个值。
目的：帮助模型学习检测部分可见的物体，并提升模型对物体位置变化的鲁棒性。例如，在车辆损伤评估应用中，车身部件可能会因拍摄者的位置和距离而完整或部分出现在画面中；平移增强会教会模型无论这些特征是否完整、位于何处，都能识别它们。
Ultralytics 的实现：RandomPerspective
注意：为简单起见，下方应用的平移在 x 和 y 轴上每次都相同。未展示 -1.0 和 1.0 的值，因为这些值会将图像完全移出画面。

`-0.5`	`-0.25`	`0.0`	`0.25`	`0.5`

缩放 (`scale`)#

范围：浮点数 0.0 - 1.0，或显式指定的 (min, max) 元组
默认值：0.5
用法：在指定范围内按随机因子调整图像尺寸。使用浮点数时，scale 超参数定义缩放增益，最终因子会在 1-scale 和 1+scale 之间随机选取。例如，设置为 scale=0.5 时，缩放因子会在 0.5 到 1.5 之间随机选取。使用元组时，scale 会直接设定该范围，因此 scale=(0.5, 2.0) 会在 0.5 和 2.0 之间采样缩放因子。
目的：让模型能够处理不同距离和尺寸的物体。例如，在自动驾驶应用中，车辆与相机之间的距离各不相同，因此模型需要无论车辆尺寸如何都能识别它们。
Ultralytics 的实现：RandomPerspective
注意：
- 此处未展示 -1.0 的值，因为它会使图像消失；1.0 则只会产生 2 倍缩放效果。
- 下表显示的是实际生成的缩放变化量，而不是你传给 scale 超参数的值。
- 浮点数形式的值会被限制在 0.0 - 1.0 范围内，超出范围会引发 ValueError。若要采样超过 2 倍缩放的因子，请改用 (min, max) 元组形式。
- 元组形式仅适用于几何任务。分类训练会根据浮点数（1.0 - scale 到 1.0）推导自己的裁剪范围，因此在此处传入元组会引发 TypeError。

`-0.5`	`-0.25`	`0.0`	`0.25`	`0.5`

剪切 (`shear`)#

范围：-180 到 +180
默认值：0
用法：引入一种几何变换，沿 x 轴和 y 轴倾斜图像，在保持平行线的同时将图像部分向一个方向偏移。shear 超参数定义剪切角度，最终调整值会在 -shear 和 shear 之间随机选取。例如，设置为 shear=10.0 时，x 轴方向的剪切值会在 -10 到 10 之间随机选取，y 轴方向则会在相同范围内独立随机选取另一个值。
目的：帮助模型适应轻微倾斜或斜视角造成的视角变化。例如，在交通监控中，由于相机并非垂直于目标安装，汽车和道路标志等物体可能会呈现倾斜。应用剪切增强可确保模型即使面对这类倾斜变形，也能学会识别物体。
Ultralytics 的实现：RandomPerspective
注意：
- shear 的值可能会迅速扭曲图像，因此建议从较小的值开始，再逐步增大。
- 与透视变换不同，剪切不会引入深度或消失点，而是通过改变物体的角度来扭曲其形状，同时保持相对边平行。

`-10`	`-5`	`0.0`	`5`	`10`

透视变换 (`perspective`)#

范围：0.0 - 0.001
默认值：0
用法：沿 x 轴和 y 轴应用完整的透视变换，模拟从不同深度或角度观察物体时的外观。perspective 超参数定义透视变换幅度，最终调整值会在 -perspective 和 perspective 之间随机选取。例如，设置为 perspective=0.001 时，x 轴方向的透视变换值会在 -0.001 到 0.001 之间随机选取，y 轴方向则会在相同范围内独立随机选取另一个值。
目的：透视增强对于处理极端视角变化至关重要，尤其是在物体因透视变化而显得缩短或变形的场景中。例如，在基于无人机的目标检测中，建筑物、道路和车辆可能会因无人机的倾斜角度和高度而显得拉伸或压缩。应用透视变换后，模型能够学会识别这些受透视影响而变形的物体，从而提升模型在实际部署中的鲁棒性。
Ultralytics 的实现：RandomPerspective

`-0.001`	`-0.0005`	`0.0`	`0.0005`	`0.001`

上下翻转 (`flipud`)#

范围：0.0 - 1.0
默认值：0
用法：沿 y 轴反转图像，实现垂直翻转。这种变换会将整张图像上下颠倒，同时保留物体之间的所有空间关系。flipud 超参数定义应用该变换的概率；值为 flipud=1.0 时，所有图像都会翻转，值为 flipud=0.0 时则会完全禁用该变换。例如，设置为 flipud=0.5 时，每张图像都有 50% 的概率上下翻转。
目的：适用于物体可能上下颠倒的场景。例如，在机器人视觉系统中，传送带或机械臂上的物体可能会以各种方向被拾取和放置。垂直翻转有助于模型无论物体朝向如何都能识别它们。
Ultralytics 的实现：RandomFlip

`flipud` 关闭	`flipud` 开启

左右翻转 (`fliplr`)#

范围：0.0 - 1.0
默认值：0.5
用法：沿 x 轴镜像图像，实现水平翻转。这种变换会交换左右两侧，同时保持空间关系一致，从而帮助模型泛化到呈镜像方向的物体。fliplr 超参数定义应用该变换的概率；值为 fliplr=1.0 时，所有图像都会翻转，值为 fliplr=0.0 时则会完全禁用该变换。例如，设置为 fliplr=0.5 时，每张图像都有 50% 的概率左右翻转。
目的：水平翻转广泛用于目标检测、姿态估计和人脸识别，以提升模型应对左右方向变化的鲁棒性。例如，在自动驾驶中，车辆和行人可能出现在道路的任意一侧，水平翻转有助于模型同样准确地识别两种方向的目标。
Ultralytics 的实现：RandomFlip

`fliplr` 关闭	`fliplr` 开启

BGR 通道交换 (`bgr`)#

范围：0.0 - 1.0
默认值：0
用法：将图像的颜色通道从 RGB 交换为 BGR，改变颜色的表示顺序。bgr 超参数定义应用该变换的概率；bgr=1.0 会使所有图像都进行通道交换，bgr=0.0 则会禁用该变换。例如，设置为 bgr=0.5 时，每张图像都有 50% 的概率从 RGB 转换为 BGR。
目的：提升模型对不同颜色通道顺序的鲁棒性。例如，在训练需要适配多种相机系统和成像库的模型时，RGB 和 BGR 格式的使用可能不一致；或者在输入颜色格式可能与训练数据不同的环境中部署模型时，这项增强也很有用。
Ultralytics 的实现：Format

`bgr` 关闭	`bgr` 开启

Mosaic (`mosaic`)#

范围：0.0 - 1.0
默认值：1
用法：将四张训练图像合并为一张。mosaic 超参数定义应用该变换的概率；mosaic=1.0 会使所有图像都进行合并，mosaic=0.0 则会禁用该变换。例如，设置为 mosaic=0.5 时，每张图像都有 50% 的概率与另外三张图像合并。
目的：对提升小物体检测和上下文理解能力非常有效。例如，在动物可能以不同距离和大小出现的野生动物保护项目中，Mosaic 增强可以利用有限数据人工生成多样化的训练样本，帮助模型学习识别不同尺寸、部分遮挡及处于不同环境背景中的同一物种。
Ultralytics 的实现：Mosaic
注意：
- 即使 mosaic 增强能让模型更具鲁棒性，它也可能使训练过程更具挑战性。
- 你可以在训练接近结束时禁用 mosaic 增强：将 close_mosaic 设为结束前需要关闭增强的轮数。例如，如果 epochs 设为 200，且 close_mosaic 设为 20，那么 mosaic 增强会在 180 轮后禁用。如果 close_mosaic 设为 0，则 mosaic 增强会在整个训练过程中持续启用。
- 关闭 Mosaic 时，也会在同一轮关闭 copy_paste、mixup 和 cutmix。这四种增强会一起关闭，因此最后几轮训练不会使用它们，而其他所有增强——几何变换、HSV、翻转和 Albumentations——仍会继续运行。请注意，copy_paste 在默认的 flip 模式下仅作用于单张图像，不会合并多张图像。
- 生成的 Mosaic 中心位置由随机值确定，可能位于图像内部，也可能在图像外部。
- 当前 mosaic 增强的实现会将当前图像与另外 3 张图像合并；这 3 张图像取自最近加载图像的缓冲区，或者在 cache='ram' 时从整个数据集中抽取。无论采用哪种方式，抽样时都允许重复，因此同一张图像可能会在单个 Mosaic 中出现多次。

`mosaic` 关闭	`mosaic` 开启

Mixup (`mixup`)#

范围：0.0 - 1.0
默认值：0
用法：按给定概率混合两张图像及其标签。mixup 超参数定义应用该变换的概率；mixup=1.0 会使所有图像都参与混合，mixup=0.0 则会禁用该变换。例如，设置为 mixup=0.5 时，每张图像都有 50% 的概率与另一张图像混合。
目的：提升模型鲁棒性并减少过拟合。例如，在零售商品识别系统中，Mixup 有助于模型通过混合不同商品的图像来学习更鲁棒的特征，使模型即使在商品部分可见，或在拥挤的商店货架上被其他商品遮挡时，也能识别商品。
Ultralytics 的实现：MixUp
注意：
- mixup 比率是从 np.random.beta(32.0, 32.0) 贝塔分布中随机抽取的值，这意味着每张图像的贡献约为 50%，但会略有变化。

第一张图像，`mixup` 关闭	第二张图像，`mixup` 关闭	`mixup` 开启

CutMix (`cutmix`)#

范围：0.0 - 1.0
默认值：0
用法：以给定概率从一张图像中裁剪一个矩形区域，并粘贴到另一张图像上。cutmix 超参数定义应用此变换的概率，其中 cutmix=1.0 会让所有图像都应用此变换，而 cutmix=0.0 则会完全禁用此变换。例如，设置为 cutmix=0.5 时，每张图像都有 50% 的概率被替换一个来自另一张图像的区域。
用途：在保留局部特征完整性的同时，创建逼真的遮挡场景，从而提升模型性能。例如，在自动驾驶系统中，即使车辆或行人被其他物体部分遮挡，CutMix 也能帮助模型学会识别它们，从而提升模型在物体重叠的复杂真实环境中的检测准确率。
Ultralytics 的实现：CutMix
注意：
- 每次应用时，都会随机确定裁剪区域的大小和位置。
- 与全局混合像素值的 mixup 不同，cutmix 会保留裁剪区域内的原始像素强度，从而保留局部特征。
- 只有当粘贴区域与任何现有边界框都不重叠时，才会将其粘贴到目标图像中。此外，只有在粘贴后仍保留足够原始面积的边界框才会保留。
- 当前实现无法更改此最小边界框面积阈值。对于检测标签，该值为 0.1（10%）；对于包含分段的标签，该值为 0.01（1%）。

第一张图像，`cutmix` 关闭	第二张图像，`cutmix` 关闭	`cutmix` 开启

Copy-Paste 增强#

Copy-Paste（`copy_paste`）#

范围：0.0 - 1.0
默认值：0
用法：需要多边形标签，因此适用于分割和 OBB 任务；此增强会在图像内部或不同图像之间复制对象，具体由 copy_paste_mode 控制。在 flip 模式下，copy_paste 表示符合条件的对象中被复制的比例：一张有 6 个符合条件对象的图像在 copy_paste=0.5 时会增加 3 个副本。在 mixup 模式下，同一数值还会控制运行 copy-paste 的概率。copy_paste=0.0 会禁用此变换。
用途：尤其适用于实例分割任务和稀有对象类别。例如，在某些缺陷类型很少出现的工业缺陷检测中，copy-paste 增强可以将这些稀有缺陷从一张图像复制到另一张图像，人为增加其出现频率，帮助模型更好地学习这些代表性不足的情况，而无需额外收集缺陷样本。
Ultralytics 的实现：CopyPaste
注意：
- 如下方视频所示，copy_paste 增强可用于将对象从一张图像复制到另一张图像。
- 选中要复制的对象后，会计算该对象与目标图像中所有现有对象的 IoA，无论 copy_paste_mode 的值如何。只有当所有 IoA 值都低于 0.3（30%）时，才会粘贴该对象；如果任一 IoA 值达到或超过 0.3，则不会粘贴。
- 当前实现无法更改 IoA 阈值，默认值为 0.3。

`copy_paste` 关闭	开启 `copy_paste` 并使用 `copy_paste_mode=flip`	可视化 `copy_paste` 流程

Copy-Paste 模式（`copy_paste_mode`）#

选项：'flip'、'mixup'
默认值：'flip'
用法：确定用于 copy-paste 增强的方法。如果设置为 'flip'，对象来自同一张图像；而 'mixup' 则允许从不同图像复制对象。
用途：灵活控制复制对象整合到目标图像中的方式。
Ultralytics 的实现：CopyPaste
注意：
- 两种 copy_paste_mode 选项使用相同的 IoA 原理，但复制对象的方式不同。
- 根据图像尺寸，对象有时可能只被部分复制，或完全位于画面之外。
- 根据多边形标注的质量，复制的对象形状可能与原对象略有差异。

参考图像	为 `copy_paste` 选取的图像	开启 `copy_paste` 并使用 `copy_paste_mode=mixup`

分类专用增强#

Auto Augment（`auto_augment`）#

选项：'randaugment'、'autoaugment'、'augmix'、None
默认值：'randaugment'
用法：为分类任务应用自动增强策略。'randaugment' 选项使用 RandAugment，'autoaugment' 使用 AutoAugment，'augmix' 使用 AugMix。设置为 None 可禁用自动增强。
用途：自动优化分类任务的增强策略。它们的区别如下：
- AutoAugment：此模式会应用从 ImageNet、CIFAR10 和 SVHN 等数据集中学习得到的预定义增强策略。用户可以选择这些现有策略，但无法在 Torchvision 中训练新策略。要为特定数据集找到最佳增强策略，需要使用外部库或自定义实现。参考 AutoAugment 论文。
- RandAugment：随机选择变换并统一设置其强度。此方法减少了对大规模搜索阶段的需求，因此计算效率更高，同时仍能提升模型的鲁棒性。参考 RandAugment 论文。
- AugMix：AugMix 是一种数据增强方法，通过随机组合简单变换生成多样化的图像，从而提升模型的鲁棒性。参考 AugMix 论文。
Ultralytics 的实现：classify_augmentations()
注意：
- 归根结底，这三种方法的主要区别在于定义和应用增强策略的方式。
- 你可以参考这篇文章，其中详细比较了这三种方法。

随机擦除（`erasing`）#

范围：0.0 - 1.0
默认值：0.4
用法：在分类训练过程中随机擦除图像的部分区域。erasing 超参数定义应用此变换的概率，其中 erasing=1.0 会在每张图像中擦除一个区域，而 erasing=0.0 会禁用此变换。例如，设置为 erasing=0.5 时，每张图像都有 50% 的概率被擦除一部分。
用途：帮助模型学习鲁棒特征，避免过度依赖图像的特定区域。例如，在人脸识别系统中，随机擦除有助于提升模型应对局部遮挡的能力，例如太阳镜、口罩或其他可能遮住部分面部特征的物体。通过迫使模型利用多种面部特征识别人物，而不是只依赖可能被遮挡的显著特征，这种方法能提升模型在真实场景中的表现。
Ultralytics 的实现：classify_augmentations()
注意：
- erasing 增强包含 scale、ratio 和 value 超参数，当前实现无法更改这些参数。根据 PyTorch 文档，它们的默认值分别为 (0.02, 0.33)、(0.3, 3.3) 和 0。

`erasing` 关闭	开启 `erasing`（示例 1）	开启 `erasing`（示例 2）	开启 `erasing`（示例 3）

高级增强功能#

自定义 Albumentations 变换（`augmentations`）#

类型：Albumentations 变换的 list
默认值：None
用法：通过 Python API 提供自定义 Albumentations 变换以进行数据增强。此参数接受 Albumentations 变换对象列表，这些对象会在训练期间应用，以替代默认的 Albumentations 变换。
用途：利用丰富的 Albumentations 变换库，精细控制数据增强策略。当你需要内置 YOLO 选项之外的专用增强时，这尤其有用，例如用于医学影像的弹性形变和网格扭曲、针对俯视航拍和卫星视角调整的变换、模拟低光照条件的噪声和亮度变化，或用于工业检测的类缺陷纹理变化。
Ultralytics 的实现：Albumentations
注意：
- 构建变换对象需要使用 Python API。保存检查点时，Ultralytics 会使用 A.to_dict() 对这些对象进行序列化，因此已序列化的列表可以通过 YAML 配置文件或 CLI 完整往返传递，从而让 resume 能够还原这些对象。
- 自定义变换会完全替代默认的 Albumentations 变换集。本页其他位置配置的所有增强——mosaic、hsv_h、degrees 等——仍会保持启用并独立应用。
- 改变图像几何结构的空间变换（包括嵌套在 A.OneOf 或 A.Compose 中的变换）会使边界框、多边形、关键点以及深度或语义掩码随图像一起移动；A.RandomGridShuffle 无法保留多边形或关键点的拓扑结构，因此遇到分割、姿态和 OBB 样本时会报错。
- Albumentations 提供 70 多种变换；Albumentations 文档列出了所有变换。添加过多变换或计算开销较大的变换会拖慢训练，因此建议从少量变换开始，并关注每个 epoch 的耗时。
- 适用于 detect、segment、semantic、depth、pose 和 obb 任务。分类任务除外，因为分类使用独立的增强流程。

以下示例需要 Albumentations 1.4.22 或更高版本，因此也需要 Python 3.9 或更高版本。

自定义 Albumentations 示例

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 Albumentations 变换进行训练
model.train(
    data="coco8.yaml",
    epochs=100,
    augmentations=custom_transforms,  # 传入自定义变换
    imgsz=640,
)

常见问题#

选择合适的数据增强取决于你的具体用例和数据集。以下是一些通用建议，可帮助你做出选择：
- 在大多数情况下，轻微改变颜色和亮度会有帮助。hsv_h、hsv_s 和 hsv_v 的默认值是不错的起点。
- 如果相机视角固定，且模型部署后不会改变，你可能可以跳过几何变换，例如 degrees（旋转）、translate、scale、shear 或 perspective。不过，如果相机角度可能变化，且你希望模型更鲁棒，最好保留这些增强。
- 只有在图像中出现部分遮挡的对象或多个对象可以接受，且不会改变标签值时，才使用 mosaic 增强。你也可以保持 mosaic 启用，但调高 close_mosaic 的值，使其在训练过程中更早禁用。
简而言之：保持简单。从少量增强开始，再根据需要逐步增加。目标是提升模型的泛化能力和鲁棒性，而不是让训练过程过于复杂。另外，请确保所用增强反映模型在生产环境中会遇到的相同数据分布。
如果安装了 albumentations 包，Ultralytics 会自动使用该包应用一组额外的图像增强。这些增强由内部处理，无需额外配置。

你可以在我们的技术文档和 Albumentations 集成指南中找到所应用变换的完整列表。请注意，只有概率 p 大于 0 的增强才会启用。这些增强特意以较低频率应用，以模拟模糊或灰度效果等真实视觉伪影。

你也可以通过 Python API 提供自己的自定义 Albumentations 变换。更多详情请参阅高级增强功能部分。
检查是否已安装 albumentations 包。如果没有，请安装：
pip install albumentations
安装后，Ultralytics 应会自动检测并使用该包。
你可以通过创建自定义数据集类和训练器来自定义数据增强。例如，你可以将 Ultralytics 默认的分类增强替换为 PyTorch 的 torchvision.transforms.Resize 或其他变换。有关实现详情，请参阅分类文档中的自定义训练示例。

贡献者

GLglenn-jocher⁸ RAraimbekovm⁸ PIpicsalex³ RIRizwanMunawar³ GIgizembm¹ HIhim2him2¹ PDpderrenger¹ Y-Y-T-G¹ ONonuralpszr¹ MImiles-deans-ultralytics¹ LALaughing-q¹ ARartzuros¹

创建时间 2025年4月14日更新时间上周

Get Started

使用 Ultralytics YOLO 进行数据增强#

简介#

数据增强为何重要#

配置示例#

使用配置文件#

色彩空间增强#

色调调整 (`hsv_h`)#

饱和度调整 (`hsv_s`)#

亮度调整 (`hsv_v`)#

几何变换#

旋转 (`degrees`)#

平移 (`translate`)#

缩放 (`scale`)#

剪切 (`shear`)#

透视变换 (`perspective`)#

上下翻转 (`flipud`)#

左右翻转 (`fliplr`)#

BGR 通道交换 (`bgr`)#

Mosaic (`mosaic`)#

Mixup (`mixup`)#

CutMix (`cutmix`)#

Copy-Paste 增强#

Copy-Paste（`copy_paste`）#

Copy-Paste 模式（`copy_paste_mode`）#

分类专用增强#

Auto Augment（`auto_augment`）#

随机擦除（`erasing`）#

高级增强功能#

自定义 Albumentations 变换（`augmentations`）#

常见问题#

评论

Get Started

使用 Ultralytics YOLO 进行数据增强#

简介#

数据增强为何重要#

配置示例#

使用配置文件#

色彩空间增强#

色调调整 (hsv_h)#

饱和度调整 (hsv_s)#

亮度调整 (hsv_v)#

几何变换#

旋转 (degrees)#

平移 (translate)#

缩放 (scale)#

剪切 (shear)#

透视变换 (perspective)#

上下翻转 (flipud)#

左右翻转 (fliplr)#

BGR 通道交换 (bgr)#

Mosaic (mosaic)#

Mixup (mixup)#

CutMix (cutmix)#

Copy-Paste 增强#

Copy-Paste（copy_paste）#

Copy-Paste 模式（copy_paste_mode）#

分类专用增强#

Auto Augment（auto_augment）#

随机擦除（erasing）#

高级增强功能#

自定义 Albumentations 变换（augmentations）#

常见问题#

可选的数据增强太多了。我该如何知道该用哪些？

开始训练时，我看到一个 albumentations: Blur[...] 引用。这是否意味着 Ultralytics YOLO 会运行模糊处理等额外增强？

开始训练时，我没有看到任何关于 albumentations 的引用。为什么？

如何自定义数据增强？

评论

色调调整 (`hsv_h`)#

饱和度调整 (`hsv_s`)#

亮度调整 (`hsv_v`)#

旋转 (`degrees`)#

平移 (`translate`)#

缩放 (`scale`)#

剪切 (`shear`)#

透视变换 (`perspective`)#

上下翻转 (`flipud`)#

左右翻转 (`fliplr`)#

BGR 通道交换 (`bgr`)#

Mosaic (`mosaic`)#

Mixup (`mixup`)#

CutMix (`cutmix`)#

Copy-Paste（`copy_paste`）#

Copy-Paste 模式（`copy_paste_mode`）#

Auto Augment（`auto_augment`）#

随机擦除（`erasing`）#

自定义 Albumentations 变换（`augmentations`）#