[YOLO专题-20]：YOLO V5 - ultralytics代码解析-马赛克数据增强mosaic augment

Posted 2022-02-04 文火冰糖的硅基工坊

作者主页(文火冰糖的硅基工坊)：文火冰糖（王文兵）的博客_文火冰糖的硅基工坊_CSDN博客

本文网址：https://blog.csdn.net/HiWangWenBing/article/details/122365378

---

目录

第1章 什么是传统的数据增强augment

1.1 传统数据增强

1.2 Random Erasing Data Augmentation（随机擦除数据增强）

1.3 RandAugment（随机增强）

1.4 混合数据增强Mixup、Cutout、CutMix 

第2章 Mosaic Data Augmentation（马赛克数据增强）

2.1 什么是马赛克数据增强

2.2 基本原理

第3章 YOLO V5 - ultralytics代码解析

3.1 使能马赛克数据增强

3.2 load_mosaic(self, index)

---

第1章 什么是传统的数据增强augment

数据增强是一种数据扩充技术，指的是利用以后的有限的数据创造尽可能多的新的数据。

因为虽然现在各种任务的公开数据集有很多，但是其实数据量也远远不够，而公司或者学术界去采集、制作这些数据的成本其实是很高的，像人工标注数据的任务量就很大，因此，只能通过一些方法去更好的利用现有的数据，数据增强便“粉墨登场”。

数据增强可以增加模型的泛化能力，提升模型的性能

以下列举几种数据增强方式:

1.1 传统数据增强

方式有随机翻转、旋转、裁剪、变形缩放、添加噪声、颜色扰动等等。

 

1.2 Random Erasing Data Augmentation（随机擦除数据增强）

 随机的删除图片中部分区域，增强模型的泛化能力。 

1.3 RandAugment（随机增强）

随机增强的意思是提前列举出几种数据增强的方式，如下图所示：

1.4 混合数据增强Mixup、Cutout、CutMix 

 Mixup是将两张图像以一定的概率凑到了一起，例如图中猫和狗各占一半，会显示一半像猫一半像狗；

Cutout是只一张图，但是随机选择一块区域进行丢弃；

CutMix则整合两种方法，仍然是两种图像各自占一定概率，然后丢弃一块区域的像素，用其中一张图像进行填充。

第2章 Mosaic Data Augmentation（马赛克数据增强）

2.1 什么是马赛克数据增强

该方法被应用到YOLO-V4当中扩充数据！

Mosaic借鉴了CutMix增强的方法，只不过本方法采用了4张图片，对其进行了随机裁剪、缩放、旋转等操作，合成1张图像，这种方式达到了如下的效果：

2.2 基本原理

 

（1）扩充了数据集的数量

（2）增加了小样本的数量：把大样本随机放缩成了小样本，因此增加了小样本的数量。

（3）小样本更小：由于采用随机放缩，合并后，导致小样本的尺寸更小。

第3章 YOLO V5 - ultralytics代码解析

3.1 使能马赛克数据增强

超参数：hyp['mosaic']

3.2 load_mosaic(self, index)

def load_mosaic(self, index)

        # 该函数会4张图片，先进行随机增强，然后合并成一张图片。

---

作者主页(文火冰糖的硅基工坊)：文火冰糖（王文兵）的博客_文火冰糖的硅基工坊_CSDN博客

本文网址：https://blog.csdn.net/HiWangWenBing/article/details/122365378