目标检测YOLOv5：数据增强

yolov5的数据增强代码来自两个地方：

1.albumentations

源码在utils/augmentations.py中，使用了albumentations这个库来处理数据增强，其中处理的细节可以自行搜索使用细节，要是环境中没有安装albumentations库，那么执行时就会跳过这块的数据增强，附源码查看：

class Albumentations:
    # YOLOv5 Albumentations class (optional, only used if package is installed)
    def __init__(self):
        self.transform = None
        try:
            import albumentations as A
            check_version(A.__version__, '1.0.3')  # version requirement

            self.transform = A.Compose([
                A.Blur(p=0.01),
                A.MedianBlur(p=0.01),
                A.ToGray(p=0.01),
                A.CLAHE(p=0.01),
                A.RandomBrightnessContrast(p=0.0),
                A.RandomGamma(p=0.0),
                A.ImageCompression(quality_lower=75, p=0.0)],
                bbox_params=A.BboxParams(format='yolo', label_fields=['class_labels']))

            logging.info(colorstr('albumentations: ') + ', '.join(f'{x}' for x in self.transform.transforms if x.p))
        except ImportError:  # package not installed, skip
            pass
        except Exception as e:
            logging.info(colorstr('albumentations: ') + f'{e}')

    def __call__(self, im, labels, p=1.0):
        if self.transform and random.random() < p:
            new = self.transform(image=im, bboxes=labels[:, 1:], class_labels=labels[:, 0])  # transformed
            im, labels = new['image'], np.array([[c, *b] for c, b in zip(new['class_labels'], new['bboxes'])])
        return im, labels

2.使用data/hyps/hyp.scratch.ymal中的配置进行数据增强

附上相应的配置和解析说明：

hsv_h: 0.015  # image HSV-Hue augmentation (fraction)
hsv_s: 0.7  # image HSV-Saturation augmentation (fraction)
hsv_v: 0.4  # image HSV-Value augmentation (fraction)  hsv_h，hsv_s，hsv_v配合使用，也可拆分使用
degrees: 10  # image rotation (+/- deg) 旋转[-degrees, +degress]#图像仿射变换的旋转角度， random.uniform(-degrees, degrees)
translate: 0.1  # image translation (+/- fraction) 平移
scale: 0.5  # image scale (+/- gain) #图像仿射变换的缩放比例，random.uniform(1 - scale, 1 + scale) 与degrees配合使用，也可单方面起作用
shear: 0.0  # image shear (+/- deg) #设置裁剪的仿射矩阵系数
perspective: 0.0  # image perspective (+/- fraction), range 0-0.001 0.0：仿射变换，>0为透视变换
flipud: 0.0  # image flip up-down (probability) 单独使用
fliplr: 0.5  # image flip left-right (probability) 单独使用
mosaic: 1.0  # image mosaic (probability) 单独使用
mixup: 0.0  # image mixup (probability) #在mosaic启用时，才可以启用
copy_paste: 0.5  # segment copy-paste (probability) #在mosaic启用时，才可以启用

注意：使用时有些参数是随机比例，有些是变换参数；例如：perspective中设置参数范围为0-0.001，如果看错按照比例来设置，参数过大可能导致模型无法很好收敛，模型效果极差；

反面案例：

原始图片：

 

 

perspective：0.5

结果图：

这个没有办法训练了；