Use o aumento de dados com cuidado

O que o aumento de dados faz#

O aumento de dados transforma imagens de treino durante a execução, para que o modelo veja uma versão ligeiramente diferente de cada imagem a cada época. Quando bem aplicado, melhora a robustez à iluminação, à escala e à orientação e reduz o sobreajuste, pois o modelo não consegue memorizar imagens que estão sempre mudando. Quando mal aplicado, ensina cenários fisicamente impossíveis e oculta lacunas no conjunto de dados que você deveria corrigir.

Observe o painel de matiz acima: a arara vermelha fica amarela. Isso é inofensivo para "arara vs. não arara", mas prejudicial se a cor for o que diferencia duas das suas classes.

As configurações padrão que importam#

Estas são as configurações padrão da Ultralytics 8.4; a referência de configurações de aumento de dados lista todos os argumentos:

Conjuntos de dados de profundidade são a exceção: mosaic, mixup, cutmix e copy_paste produziriam mapas de profundidade pareados inválidos, então o carregador de profundidade os define automaticamente como 0.

O teste de implantação#

Cada transformação ativada precisa passar por uma pergunta e, depois, por outra:

Uma arara de cabeça para baixo é uma boa imagem de treinamento para um drone apontado diretamente para baixo e uma imagem desperdiçada para uma câmera presa à parede. Transformações que não passam no teste produzem um sinal de treinamento negativo: o modelo aprende a reconhecer imagens que nunca verá, em detrimento da capacidade para reconhecer aquelas que verá.

Um perfil prático#

Uma câmera apontada para baixo sobre uma esteira transportadora separa peças cujas classes diferem apenas pela cor. O jitter de matiz deve ser removido, enquanto inversões verticais e pequenas rotações se tornam realistas. Isto é executado como mostrado no conjunto de demonstração COCO8; substitui o YAML dos teus dados e usa uma quantidade real de épocas:

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
model.train(
    data="coco8.yaml",
    epochs=1,
    imgsz=320,
    hsv_h=0.0,  # a cor é o sinal da classe: mantenha os tons fiéis
    flipud=0.5,  # vista de cima: não há "cima" no quadro
    degrees=10.0,  # as peças aparecem em qualquer ângulo pequeno
)

Abre train_batch0.jpg na pasta da execução e verifica três coisas: as caixas continuam precisas após a transformação, os sinais que definem a classe (cor, forma, texto) permanecem intactos e nada parece fisicamente impossível. Reduz qualquer transformação que comprometa um desses pontos. Treina o teu primeiro modelo aborda a própria execução do treinamento.

Mosaic e close_mosaic#

O Mosaic combina quatro imagens em uma e fica ativado por padrão. É o aumento com maior impacto para a detecção: cada imagem de treinamento reúne várias cenas, escalas e contextos de objetos. O problema é que as imagens Mosaic não se parecem com os quadros de inferência, então close_mosaic=10 o desativa nas 10 épocas finais e o modelo termina com entradas realistas. Desativar o Mosaic também desativa mixup, cutmix e copy_paste, enquanto as inversões, HSV e transformações geométricas continuam sendo aplicadas.

O que o aumento de dados não consegue corrigir#

O aumento de dados multiplica o que já existe. Se o conjunto de dados não tiver imagens noturnas, nenhuma configuração produz a noite: ela só produz versões mais claras e mais escuras do dia. Se uma classe só funciona com um aumento agressivo, não tens exemplos suficientes dessa classe. Volta a Recolher dados representativos e de alta qualidade.