一、增强方法介绍与实现
🚀 YOLOv11 数据集增强策略:引入多种图像与标签同步增强方法,助力实验涨点。
为了提升模型在真实场景下的鲁棒性与泛化能力,本文在YOLOv11中引入多种图像增强策略,所有增强过程均保持图像与标签同步变换,确保训练数据的准确性与多样性。实验结果表明,数据增强策略平均提升模型mAP约1-2个百分点,特别是在小目标检测任务上表现更为显著。
全新YOLOv11专栏限时订阅链接:全新YOLOv11创新改进高效涨点+永久更新中(至少500+改进)+高效跑实验发论文
目录
YOLOv11所引入的数据增强模块支持以下 9种增强手段,通过代码方式对每一张图像执行增强,同时同步更新YOLO格式标签文件(.txt)
| 增强方法名 | 类型 | 功能说明 |
|---|---|---|
random_flip_horizon |
几何增强 | 水平翻转目标,提高对镜像图像的识别能力 |
random_flip_vertical |
几何增强 | 垂直翻转目标,适应特殊场景(如遥感图像) |
center_crop |
裁剪增强 | 提取图像中央区域,提升模型对中心目标的关注度 |
random_bright |
光照增强 | 模拟不同亮度环境 |
random_contrast |
光照增强 |
订阅专栏 解锁全文
1467



被折叠的 条评论
为什么被折叠?



