拡張を慎重に使う

データ拡張の役割#

データ拡張では、学習画像をその場で変換するため、モデルは各エポックで画像ごとに少しずつ異なるバージョンを見ます。適切に行えば、照明、スケール、向きに対する頑健性が向上し、過学習も抑制されます。画像が常に変化するため、モデルが画像を記憶できないからです。不適切な拡張は、物理的にあり得ないシーンを学習させ、修正すべきデータセットの不足を隠してしまいます。

上の色相パネルを見てください。赤いコンゴウインコが黄色に変わっています。「コンゴウインコか、それ以外か」の分類では問題ありませんが、色で2つのクラスを区別する場合には致命的です。

重要なデフォルト設定#

以下はUltralytics 8.4のデフォルト設定です。拡張設定リファレンスにすべての引数が記載されています。

例外は深度データセットです。mosaic、mixup、cutmix、copy_pasteを適用すると対応する深度マップが無効になるため、深度データローダーはこれらの値を自動的に0に設定します。

デプロイ環境でのテスト#

有効にするすべての変換について、2つの問いに順番に答える必要があります。

真下を向くドローンには、逆さまのコンゴウインコも適切な学習画像ですが、壁に固定されたカメラには無駄な画像です。このテストに通らない変換は、負の学習信号を生み出します。モデルは実際には見ることのない画像を認識するよう学習し、その分、実際に見る画像に割ける容量が減ります。

設定例#

コンベアを見下ろすカメラで、色だけが異なるクラスの部品を仕分けします。色相ジッターは無効にし、垂直反転と小さな回転は現実的な変換になります。以下はCOCO8のデモセットで実行できる設定です。データYAMLと実際のエポック数に置き換えてください。

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
model.train(
    data="coco8.yaml",
    epochs=1,
    imgsz=320,
    hsv_h=0.0,  # 色がクラスのシグナルです。色相を忠実に保つ
    flipud=0.5,  # 俯瞰視点では、フレームに「上」はない
    degrees=10.0,  # 部品はさまざまな小さな角度で配置される
)

実行フォルダー内のtrain_batch0.jpgを開き、次の3点を確認します。変換後もボックスが対象にぴったり合っていること、クラスを定義する手掛かり（色、形状、テキスト）が保たれていること、物理的にあり得ない見た目になっていないことです。いずれかを損なう変換は弱めてください。最初のモデルをトレーニングするでは、トレーニングの実行手順を説明しています。

Mosaicとclose_mosaic#

Mosaicは4枚の画像を1枚につなぎ合わせる手法で、デフォルトで有効になっています。検出に最も大きな効果をもたらすデータ拡張です。各学習画像に複数のシーン、スケール、物体のコンテキストが含まれます。ただし、Mosaic画像はデプロイ時のフレームとは異なる見た目になるため、close_mosaic=10は最後の10エポックでMosaicを無効にし、現実的な入力でモデルの学習を仕上げます。Mosaicを終了すると、mixup、cutmix、copy_pasteも無効になりますが、反転、HSV、幾何学的変換は継続します。

データ拡張で解決できないこと#

データ拡張は、既存のデータを増幅するものです。データセットに夜間の画像がなければ、どの設定でも夜間画像は生成できません。生成されるのは、昼間の画像を明るくしたり暗くしたりしたものです。あるクラスを強いデータ拡張でしか扱えないなら、そのクラスのデータが不足しています。高品質で代表性のあるデータを収集するに戻ってください。