YOLO数据集带标签扩增实战：标签同步变换与离线增强避坑指南

简介一个面向YOLOv5等目标检测与分割场景的数据增强小工具用于对已标注图片进行带标签扩增适合需要扩充训练集的开发者和研究者。工具基于OpenCV实现支持随机翻转、剪切、仿射变换、高斯模糊、平移、自适应高斯噪声和亮度调整并能将多种策略随机组合后处理样本有效提升数据多样性。压缩包共23个文件包含4个Python脚本、16张示例图片、xml/json标注样例及md说明文档整体1.64MB轻量便捷。其中rename_file.py负责批量重命名DataAugmentforLabelImg.py和DataAugmentforLabelMe.py分别针对LabelImg与LabelMe标注结果进行增强覆盖模糊、亮度、裁剪、旋转、平移、镜像等操作用户按demo目录放入图片即可快速生成新样本。当前已有876人学习适合初学者参考并用于YOLO训练前的数据预处理。1. 带标签扩增到底是什么一句结论为什么离线增强更可控做目标检测的第一道坎永远是数据不够。打标 500 张图可能就要一整天而训练出来的模型在光照变化、目标角度偏转时就明显掉点。数据增强就是最廉价的数据扩产方式但很多人忽略了一个关键前提图像怎么变标签就得怎么变。翻车案例我见过太多——图片做了水平翻转标签还在原地训练时模型看到的每个目标位置都是错的最后 mAP 上不去还找不到原因。YOLO 数据集的数据增强核心诉求就是可实现带标签扩增图像增强的同时YOLO 的 txt 标签要精确同步变换保证增强后的每一张图都带着正确的框。这套方法最适合标注样本少、类别不均衡、场景变化大的项目尤其是你想把一份数据集扩成多份、跨框架反复实验时离线带标签扩增比训练时临时增强更可控、更好排查。这篇文章就围绕怎么让标签跟着变换展开从格式、脚本到调参踩坑一次讲透。2. YOLO 数据集与标签同步变换先弄懂坐标和格式再谈增强2.1 YOLO 标签文件不是黑匣子txt 里每个数字的含义YOLO 系列的数据集格式非常统一不管用的是 YOLOv5、YOLOv8 还是更早的 Darknet标签文件都是同名 txt放在 labels 目录下和 images 目录一一对应。目录结构一般是这样的datasets/ ├── images/ │ ├── train/ │ │ ├── img_001.jpg │ │ └── img_002.jpg │ └── val/ └── labels/ ├── train/ │ ├── img_001.txt │ └── img_002.txt └── val/每个 txt 文件里一行描述一个目标。比如0 0.5 0.5 0.2 0.1这行第一个数字是类别 id从 0 开始后四个数字分别是归一化后的目标中心点 x、中心点 y、宽度 w、高度 h。所谓归一化就是除以图片的宽和高。这里有个容易忽略的点无论是用 LabelImg 打标完 YOLO 格式的标还是脚本批量转换 VOC 格式最终落到 txt 里的坐标一律是 0 到 1 之间的小数不是像素值。对增强来说这个特性很友好因为简单的整图缩放 resize 时标签不用动但如果做裁剪、旋转坐标就得跟着变换。我一般会先写一个解析函数把标签读成结构化数据方便后续增强和可视化校验。核心逻辑和参数说明如下def load_yolo_label(txt_path): 读取 YOLO 格式标签返回 [cls, x_center, y_center, w, h] 列表 boxes [] with open(txt_path, r, encodingutf-8) as f: for line in f: line line.strip() if not line: continue parts line.split() if len(parts) 5: continue cls int(parts[0]) x_c, y_c, w, h map(float, parts[1:5]) boxes.append([cls, x_c, y_c, w, h]) return boxesparts[0]是类别编号parts[1:5]是坐标和尺寸。为什么空行要跳过因为很多打标工具会在文件末尾留一个换行直接 map 可能抛出异常。遇到的标签文件如果不是 5 个字段我会先打印文件路径排查不要悄悄跳过否则增强完才发现某个类丢了。这个函数不做任何坐标变换只是把文本变成内存中的列表后续传给增强库时能直接复用。2.2 几何增强时坐标怎么变翻转、缩放、裁剪背后的公式带标签扩增的核心在于无论图像做什么变换目标框在图像中的相对位置必须同步更新。不同的几何变换标签变换规则完全不同这里拆开讲清楚。水平翻转是最典型的例子。图片沿垂直中线左右镜像时目标的 x 中心会变成1 - x_centery 中心和宽高都不变。垂直翻转则相反y_center变成1 - y_center。这两个公式很多人背得下来但理解比背公式重要翻转是沿着图片中线对称而不是把图片旋转 180 度所以只有一个坐标轴变化。缩放稍微复杂一点。如果把整张图等比放大目标框的中心点和宽高都按比例变化如果画布尺寸不变放大后图片边缘会被裁掉那么位于边缘的目标框可能被截断。这就是为什么增强库要提供min_visibility这类过滤参数。对于围绕图片中心旋转标签的变化不再是简单的线性公式因为一个矩形框旋转后它的外接矩形会变大坐标需要用四角点旋转再重新计算外接矩形手写很容易出错。Albumentations 这类库把这些数学细节封装好了但你仍然要知道它在幕后做什么。比如裁剪变换时算法会计算原始框和裁剪区域的交集交集的坐标会被映射到新的画布坐标系中再归一化输出。下面这个表可以用来快速查阅常见变换的标签更新规则变换归一化坐标变化说明水平翻转x_center - 1 - x_centery、w、h 不变垂直翻转y_center - 1 - y_centerx、w、h 不变等比缩放中心点和宽高同步乘以缩放系数注意边界截断裁剪目标框与裁剪区域求交集后重新归一化需要过滤过小交集旋转四角点旋转后取外接框不建议手写理解这些变换规则对排查问题非常有用。实际做增强时遇到框偏移我第一反应就是检查这个变换是否在更新标签还是只处理了图像。这也是为什么带标签扩增的工具有门槛不能做盲增强每一步都要知道标签更新逻辑。2.3 在线增强和离线增强的分工不是互相替代做 YOLO 数据增强首先要分清两种模式。训练框架里自带的 mosaic、fliplr、HSV 扰动属于在线增强在每次迭代时动态变换不落盘而标题里说的带标签扩增更常指离线增强——预先对数据集做一批变换把增强后的图片和标签都写到磁盘上。这两种方式我见过太多人选错。在线增强的好处是省磁盘、多样性大配合 mosaic 这类需要融合多张图的策略很合适。但它的缺点是黑匣子你很难逐张检查增强后的样本而且换框架或者换训练脚本时增强策略依赖框架实现无法复用。离线增强则相反数据在训练前就固化可以人眼抽查、可以给任何框架用、可以精确控制每个类别的扩增倍数。代价是磁盘空间和预处理时间会成倍增加。我的建议是两者搭配离线增强解决量不够和类不均衡比如把稀有类别扩到十倍在线增强解决泛化性让模型每个 epoch 看到的输入都有轻微变化。如果你用的是 YOLOv8 这类自带增强的框架离线扩增 2 到 3 倍后在线增强的几何强度建议调低否则叠加后数据分布偏离真实场景太远训练反而更难收敛。关于在线增强的具体配置后面第 4 章会讲。3. 把带标签扩增跑起来基于 Albumentations 的完整脚本与参数调优3.1 先搭环境装 Albumentations 和 OpenCVAlbumentations 是目前做带标签增强最顺手的库主要原因是它的BboxParams直接支持 YOLO 格式能自动处理坐标变换、边界裁剪和过滤不用自己写旋转公式。环境安装很简单我用的是 pippip install albumentations opencv-python安装完成后在 Python 里执行import albumentations as A能正常导入就行。如果你用的是 YOLOv8 的 conda 环境建议直接装进那个环境里避免训练时因为环境不一致重新装依赖。Albumentations 需要的是 OpenCV 的图片数组所以 OpenCV 必须一起装。版本上我习惯用 1.x 的 albumentationsAPI 稳定和 0.5 版本相比有些参数名有调整网上看到的旧代码如果报类型错误先看版本。3.2 核心增强脚本读图片、读标签、变换、写回下面这个脚本是一个可以直接抄的离线增强流程。它以一张原图和对应的 YOLO 标签为输入生成 N 张增强后的图片和标签。注意脚本里所有变换都通过A.Compose组织标签同步由bbox_params负责这是最不容易出错的做法import os import cv2 import albumentations as A SRC_IMG_DIR datasets/images/train SRC_LAB_DIR datasets/labels/train DST_IMG_DIR datasets_aug/images/train DST_LAB_DIR datasets_aug/labels/train AUG_TIMES 3 os.makedirs(DST_IMG_DIR, exist_okTrue) os.makedirs(DST_LAB_DIR, exist_okTrue) transform A.Compose([ A.HorizontalFlip(p0.5), A.RandomBrightnessContrast( brightness_limit0.2, contrast_limit0.2, p0.5 ), A.HueSaturationValue( hue_shift_limit10, sat_shift_limit20, val_shift_limit20, p0.5 ), A.Affine( scale(0.8, 1.2), translate_percent(-0.1, 0.1), rotate(-15, 15), p0.8 ), ], bbox_paramsA.BboxParams( formatyolo, label_fields[class_labels], min_visibility0.3 )) def load_yolo_label(txt_path): boxes [] with open(txt_path, r, encodingutf-8) as f: for line in f: line line.strip() if not line: continue parts line.split() boxes.append([int(parts[0]), *map(float, parts[1:5])]) return boxes for img_name in os.listdir(SRC_IMG_DIR): if not img_name.lower().endswith((.jpg, .jpeg, .png)): continue stem os.path.splitext(img_name)[0] label_path os.path.join(SRC_LAB_DIR, stem .txt) if not os.path.exists(label_path): continue img cv2.imread(os.path.join(SRC_IMG_DIR, img_name)) img cv2.cvtColor(img, cv2.COLOR_BGR2RGB) boxes load_yolo_label(label_path) class_labels [b[0] for b in boxes] bboxes [b[1:] for b in boxes] for i in range(AUG_TIMES): augmented transform(imageimg, bboxesbboxes, class_labelsclass_labels) if len(augmented[bboxes]) 0: continue aug_img augmented[image] aug_img_bgr cv2.cvtColor(aug_img, cv2.COLOR_RGB2BGR) out_img os.path.join(DST_IMG_DIR, f{stem}_aug{i}.jpg) out_txt os.path.join(DST_LAB_DIR, f{stem}_aug{i}.txt) cv2.imwrite(out_img, aug_img_bgr) with open(out_txt, w, encodingutf-8) as f: for cls, box in zip(augmented[class_labels], augmented[bboxes]): x_c, y_c, w, h box f.write(f{cls} {x_c:.6f} {y_c:.6f} {w:.6f} {h:.6f}\n)这个脚本的核心逻辑是先读取一张图和对应的 yolo 标签从标签中剥离出类别列表和坐标列表再把它们传给transformAlbumentations 会在内部对图像应用变换同时同步更新每个框的坐标最后把增强结果写回新的图片文件和 txt 文件。需要重点说明的参数有三个。第一个是A.Affine里的scale、translate_percent、rotate它们控制几何变化的幅度scale(0.8, 1.2)表示目标可能缩小 20% 或放大 20%rotate(-15, 15)表示随机旋转正负 15 度以内。第二个是bbox_params里的min_visibility0.3它表示变换后如果一个框与原框的交集面积占原框面积的比例低于 30%这个框会被直接丢弃。这个参数是过滤增强噪声的关键。第三个是label_fields[class_labels]它告诉库哪些字段是跟框对应的类别标签必须同步重排如果你漏掉这个参数类别顺序和框顺序会错位训练时等于标签全错。脚本里我把AUG_TIMES设为 3意思是每张原图尝试生成 3 张增强图。因为每个变换都有p概率实际上不是每张都能生成 3 张如果某张图增强后所有框都被过滤掉就直接跳过。这样能避免写出大量没有目标的空标签空标签在训练时会被当成背景样本干扰模型。3.3 必调参数旋转角度、缩放范围、过滤阈值的设置建议参数不是越大越好。增强的目标是让模型对真实场景中的常见变化更鲁棒而不是制造出大量现实中不可能出现的样本。我总结了几个常用参数的经验范围按任务类型会有调整参数推荐范围适用情况rotate正负 10 到 30 度通用目标检测大幅度旋转慎用scale0.8 到 1.2通用场景小目标检测可缩小范围translate_percent正负 0.1 到 0.2让目标出现在不同位置hue_shift_limit5 到 15光照变化明显的场景sat_shift_limit15 到 30颜色饱和度变化val_shift_limit15 到 30明暗变化min_visibility0.2 到 0.5保留部分遮挡样本时用 0.2旋转角度是最需要小心设置的。对于无人机航拍、遥感这类目标方向随意的场景旋转可以到 90 度甚至 180 度但对于路面车辆、文字检测目标本身有明确的方向旋转超过 30 度就会让语义失真。同类问题在水平翻转上也会遇到后面避坑章节会单独说。min_visibility的调节要看你的数据特点。如果目标本身很小0.3 的阈值可能把很多小目标过滤掉导致增强后小目标数量反而变少。这时候应该把阈值降到 0.2或者干脆完全保留被截断的框让模型学会检测部分目标。反过来如果训练时经常出现框和实际目标对不上需要提高阈值过滤掉那些变换后位置不准确的框。3.4 增强完必须做的一步把标签可视化出来验证增强脚本跑完不要直接丢进训练。我吃过一次大亏旋转角度设到 45 度脚本没报错训练起来 loss 也正常但验证集 mAP 一直上不去最后把增强后的图一一画出来才发现框偏移了大半。从那以后我每次增强完都会先做可视化抽查这一步至少能拦掉 80% 的标签同步问题。import cv2 def draw_yolo_boxes(img_path, txt_path, class_namesNone): img cv2.imread(img_path) h, w img.shape[:2] with open(txt_path, r, encodingutf-8) as f: for line in f: parts line.strip().split() if len(parts) 5: continue cls int(parts[0]) x_c, y_c, bw, bh map(float, parts[1:5]) x1 int((x_c - bw / 2) * w) y1 int((y_c - bh / 2) * h) x2 int((x_c bw / 2) * w) y2 int((y_c bh / 2) * h) label class_names[cls] if class_names else str(cls) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.putText(img, label, (x1, max(0, y1 - 5)), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2) return img img draw_yolo_boxes( datasets_aug/images/train/sample_aug0.jpg, datasets_aug/labels/train/sample_aug0.txt, [car, person] ) cv2.imwrite(check_aug.jpg, img)这段代码从增强后的 txt 中读回坐标反算成像素坐标画框。我通常每 100 张抽 5 张重点看三件事框和物体边缘是否贴合、框有没有被截得只剩一条缝、类别标注是否和物体一致。只要发现一张图框明显错位就说明变换管线有 bug需要停下手头工作排查不要带着问题数据往下走。4. 换成 ultralytics 在线增强训练阶段怎么配置不翻车4.1 从数据增强代码到训练参数ultralytics 的增强开关如果你用的是 YOLOv8 训练自己的数据集ultralytics 已经在数据加载器里内置了一套在线增强策略不需要写任何增强代码只需要在训练命令里传参数。这些参数跟离线增强脚本里的变换一一对应理解起来并不难。一个典型的训练命令长这样yolo detect train \ datadataset.yaml \ modelyolov8s.pt \ epochs100 \ imgsz640 \ hsv_h0.015 \ hsv_s0.7 \ hsv_v0.4 \ degrees10 \ translate0.1 \ scale0.5 \ fliplr0.5 \ mosaic1.0 \ mixup0.2这套参数里hsv_h、hsv_s、hsv_v控制颜色增强的幅度degrees是旋转角度范围translate是平移比例scale是缩放比例fliplr是水平翻转概率mosaic是四张图拼接的概率mixup是两张图融合的概率。和离线脚本对比会发现ultralytics 的在线增强没有直接暴露brightness_contrast参数因为颜色扰动全部通过 HSV 来完成效果是类似的。这里要注意scale0.5的含义不是窄范围的缩放而是 YOLOv8 特有的随机缩放策略它可能把目标缩到原来的 0.5 倍或放大到 1.5 倍左右。数值设得太大小目标会被缩得过小标签可能出界训练时容易产生 NaN loss。建议从默认值开始不要一上来就拉满。4.2 增强参数怎么配合mosaic、mixup 和几何增强的优先级在线增强的参数之间存在互相影响最典型的是 mosaic 和几何增强的组合。mosaic 会把四张图的随机区域拼成一张新图目标可能被切掉一半也可能被缩得很小。如果此时再叠加大的旋转和缩放目标形态会被改得面目全非训练难度成倍增加。我的经验是mosaic 和 mixup 开启时degrees保持在 10 以内scale不要超过 0.5translate控制在 0.1 左右。关于和离线增强的配合我给出一个明确的实践路径。如果离线已经扩增了 2 到 3 倍在线增强应该大幅度收窄关掉 mosaic 和 mixup只保留fliplr0.5和轻微的 HSV 扰动。原因很简单离线增强已经让数据量足够大此时在线增强的目标是增加随机性而非继续扩容过强的在线变换反而会把你精心准备的标签分布打乱。反过来的情况如果只用原始数据训练那么 mosaic 和 mixup 建议保持开启它们是 YOLOv8 在小数据集上收敛的关键。4.3 判断增强是否过火看 loss 和验证集 mAP 的三种迹象在线增强不是免费的调得过猛会让模型学不到稳定的特征。怎么判断增强是否过火我总结了三个迹象。第一个是训练 loss 降不下去。YOLO 的损失函数包含边界框损失、分类损失和 DFL 损失如果增强后目标的位置和类别都变得难以预测前几个 epoch loss 会明显高于正常水平或者下降曲线非常平缓。第二个是训练 loss 和验证 loss 的差距越来越大。增强太强导致模型在训练集上也学不进去但验证集是真实分布两者差距会在曲线上表现为验证 loss 不降反升。第三个是增强后的样本在可视化时大量出现框中有框或目标被切成碎片的现象这说明 mosaic 或 mixup 的强度和当前数据集不匹配。遇到这些迹象第一反应不是调学习率而是先把增强参数降下来。训练自己数据集时我一般会把增强参数写进一个实验记录表每次只改一个参数比如 degrees 从 10 改到 5跑 50 个 epoch 对比 mAP。这样虽然慢但至少知道是哪一项在起作用不会把时间浪费在玄学调参上。5. 带标签扩增的五个坑现象、原因、解决5.1 坑一标签越界框跑到图像外面现象增强后的图片在训练时偶发报错提示 bbox 坐标超出边界或者验证时看到某些框只有一小部分在画面里大部分在画布外。原因旋转和缩放后目标框的外接矩形变大超出原图边界。Albumentations 虽然会自动裁剪坐标到图像范围内但如果框的大部分都在画面外它内部可能无法恢复有效信息如果用的是手写的变换脚本更常见的问题是只变换了图像没有对标签做裁剪。解决在所有变换之后统一执行一次边界裁剪和过滤用min_visibility控制最小可见比例。如果你不用 Albumentations手写时要在变换后检查x_min 0、y_min 0、x_max w、y_max h不满足的框要么丢弃要么强制 clip。建议优先使用库函数因为手写漏掉某个边界条件的概率太高。5.2 坑二越增强框越小最后全被过滤掉现象增强后的数据集里小目标占比急剧上升中等和大目标数量下降训练完 mAP 反而比原始数据低。原因scale(0.8, 1.2)中放大 1.2 倍的目标旋转后外接矩形变大很容易超出边界被过滤缩小 0.8 倍的目标原本就不大旋转后可见面积低于阈值也被过滤。过滤逻辑倾向于保留大目标最终留在数据集里的目标平均尺寸越来越小。解决统计增强前后框面积分布我一般会写一个简单脚本读取所有增强后的 txt计算每个框的宽乘高打印分布直方图。如果小目标占比超过 70%就把scale范围收窄到(0.9, 1.1)rotate从 15 度降到 5 度让框不容易越界。另外min_visibility可以降低到 0.2保留更多被截断的框而不是全部丢掉。5.3 坑三类别不均衡被放大反而掉点现象原始数据里 A 类有 1000 个目标B 类只有 80 个。对全部图片统一增强后A 类变成 3000 个B 类变成 240 个类别比例完全没变B 类的 recall 依然很差。原因很多增强脚本是全量扩增每张图扩同样的倍数这对解决类别不均衡没有任何帮助。增强只是在复制原始的分布不改变各类别的相对数量关系。这种情况在长尾数据集上特别常见原始数据少的类别在增强后还是少。解决对类别分组做定向扩增。先统计每个类别的目标数量找到最少类别然后只对包含最少类别的图片做几何增强对多数类图片做颜色扰动或者不增强。这样少数类别的绝对数量上去了模型才有足够的梯度去学习它。5.4 坑四把语义敏感方向搞反现象对包含文字路牌、汽车方向盘、交通信号灯的数据集做了水平翻转训练后模型对正常方向的目标反而检测率下降但对镜像目标预测很自信。原因水平翻转会改变目标的左右语义。文字方向会反转方向盘位置会交换这在数学上没有问题但物理世界中并不存在这些镜像样本。模型学到了镜像分布的特征真实分布上的表现自然变差。解决做增强前先问自己一个问题这个任务对方向对称吗如果是俯视视角下的工业零件、随机朝向的细胞水平翻转没问题如果是机动车、行人、文字类目标关掉fliplr和flipud改用旋转、缩放、颜色增强。这里没有后悔药等模型训完才发现方向错了重跑实验的成本很高。5.5 坑五磁盘和数据量翻倍后训练周期骤增现象原图 5000 张增强 5 倍后变成 25000 张训练一个 epoch 的时间从 10 分钟变成 40 分钟硬盘空间也快不够。原因离线增强直接写入新图片文件一张 JPEG 可能几百 KB几千张就是几个 GB。而训练时数据加载的瓶颈常常在磁盘 IO文件数量越多、总容量越大每个 epoch 读取的时间越长。解决控制增强倍数是第一原则。数据量够用就行比如每类目标超过 1000 个后我会停止对该类继续扩增。其次是考虑把扩增后的数据打包成 LMDB 或者 TFRecord 这类高密度格式减少小文件数量。如果训练框架支持缓存可以在加载数据后先 shuffle 再缓存到内存。磁盘不够时优先删除颜色增强的图片保留几何增强图因为后者对模型泛化的贡献更大。6. 进阶少数类定向扩增与数据配比的经验6.1 按类别采样让每个类别的增强倍数不一样全量扩增的问题是它保留了原始的类别比例而多数情况下你需要的恰恰是打破这个比例。我的做法是先统计标签再决定扩增哪个类别。给一个简单的定向扩增思路基础代码在上一章脚本上只需增加一个按类别过滤的逻辑from collections import Counter def count_class_instances(label_dir): counter Counter() for txt_name in os.listdir(label_dir): if not txt_name.endswith(.txt): continue path os.path.join(label_dir, txt_name) for cls, *_ in load_yolo_label(path): counter[cls] 1 return counter counter count_class_instances(SRC_LAB_DIR) min_cls min(counter, keycounter.get) print(f最少类别: {min_cls}, 实例数: {counter[min_cls]}) # 只对包含 min_cls 的图片做几何增强 for img_name in os.listdir(SRC_IMG_DIR): stem os.path.splitext(img_name)[0] boxes load_yolo_label(os.path.join(SRC_LAB_DIR, stem .txt)) if not any(b[0] min_cls for b in boxes): continue # 对这张图执行增强核心逻辑是先统计每个类别的实例数找到最少类别遍历所有图片时只对包含该类别的那部分图片做几何增强。多数类图片可以不做处理或者只做亮度对比度的小幅扰动。这样能在不改变整体数据规模的前提下让少数类获得更多样本。6.2 用消融实验验证增强参数而不是靠直觉增强参数要不要保留某一项我从来不做主观判断而是跑小规模消融。具体做法是固定 50 个 epoch先在原始数据上训练一次出基线 mAP再在增强数据上训练一次对比两个结果。如果增强后 mAP 更低就把参数往回收如果更高再考虑加强方向。这个过程很费时间但它是唯一能证明增强有效的方法比看几张增强图的效果图靠谱得多。需要注意验证集不能被增强。很多人把全部数据一起扩增验证集里全是增强后的样本这样 mAP 再高也不能说明模型真实泛化能力。正确的做法是验证集保持原始数据不变训练集单独做扩增。6.3 我的习惯和收尾做了大半年 YOLO 数据增强我现在的流程已经固定下来先统计类别分布定好最少需要扩增的类别和倍数然后用 Albumentations 跑离线扩增默认 2 到 3 倍写完标签马上可视化抽查 100 张最后在 ultralytics 训练时只开轻度在线增强。每次实验发现 mAP 掉点第一件事不是调网络结构而是回退到原始数据确认是不是增强的锅。带标签扩增看起来只是一段脚本实际做对了能顶半天的打标工作量做错了就是纯浪费时间。如果你打算在数据集上投入增强建议先从小倍数开始每加一种变换都要能说出它对应什么真实场景平移模拟目标位置变化旋转模拟拍摄角度变化颜色扰动模拟光照变化。想不清楚就先不要加。希望这篇经验能帮你在自己的数据集上少踩几个坑。本文还有配套的精品资源点击获取