简介这是一份面向YOLO目标检测训练场景的数据增强工具包主要解决已标注数据集样本不足、场景单一的问题适合正在使用YOLO系列模型、需要扩充训练集的研究者与工程人员。资源以Python脚本为核心围绕.txt格式标注文件实现旋转、平移、翻转、裁剪、调整亮度和增加噪声六种增强方式可在不破坏标注对应关系的前提下批量生成新样本。压缩包共4个文件包含3个py脚本与1份md说明文档整体约11KB体积轻量、便于直接集成到现有训练流程中。其中脚本分别承担标注格式转换与增强逻辑执行等职责说明文档则帮助快速理解调用方式与参数含义。目前已有2450人学习下载适合希望低成本提升模型泛化能力、快速搭建数据增强环节的读者参考使用。1. 为什么 .txt 标注数据集不能直接拿去训 YOLO很多人第一次训 YOLO 时数据集只有几十张图标注文件是 LabelImg 导出的.txt每行class x_center y_center width height坐标全是 0~1 的归一化值。直接开训mAP 卡在 0.3 上不去验证集 loss 震荡模型对光照和角度几乎没鲁棒性。问题往往不在网络结构而在数据本身太干净——同一个场景、同一个角度、同一种亮度模型记住的是背景而不是目标。数据增强要解决的就是这件事在不改变标注语义的前提下把有限的已标注样本扩展成数量级更大的训练集。旋转、平移、翻转、裁剪、调整亮度、增加噪声这六种方式覆盖了几何变换和像素变换两大类是 YOLO 训练里性价比最高的一组增强手段。关键在于增强必须同步更新.txt里的坐标否则图和标签对不上训练直接崩。这篇面向已经用 LabelImg 或类似工具打好 YOLO 格式标签、准备扩充数据集的人。下面会从.txt坐标的数学含义讲起给出六种增强的可复现代码再落到批量处理、参数设置和排错上。2. YOLO .txt 标注格式与增强坐标变换原理2.1 归一化坐标的数学含义与还原方式YOLO 的.txt每行五个字段class_id x_center y_center width height。后四个都是相对整张图宽高的归一化值范围 0~1。要理解增强先得把它还原成像素坐标x_center_px x_center * img_w y_center_px y_center * img_h w_px width * img_w h_px height * img_h x1 x_center_px - w_px / 2 y1 y_center_px - h_px / 2 x2 x_center_px w_px / 2 y2 y_center_px h_px / 2所有几何增强的本质就是对(x1, y1, x2, y2)这四个角点做变换再反算回归一化值。像素级增强亮度、噪声不动坐标只改图像矩阵。这个区分很重要几何变换必须同步改标签像素变换只改图。2.2 六种增强方式对标注框的影响差异增强方式类型是否改坐标主要作用旋转几何是提升角度鲁棒性平移几何是缓解目标位置偏置翻转几何是扩充镜像样本裁剪几何是模拟遮挡与尺度变化亮度像素否适应光照变化噪声像素否提升抗干扰能力旋转和平移是热搜里出现频率最高的两个词也是坑最多的两个。旋转后框会变成斜矩形而 YOLO 只支持水平矩形框所以必须用旋转后的外接矩形axis-aligned bounding box来近似这会引入少量背景但工程上可接受。平移如果移出边界框会被裁掉一部分需要判断剩余面积占比太小就丢弃该框。2.3 增强后坐标越界与框失效的处理原则变换后要过三道检查坐标是否落在[0, 1]内、宽高是否大于 0、框面积占原图比例是否过小。常见做法是裁剪到边界然后计算剩余面积低于原面积 30% 的框直接删掉。如果一张图所有框都被删了这张增强图也一并丢弃否则会引入纯背景负样本干扰训练。注意坐标裁剪后一定要重新归一化且宽高要用裁剪后的实际值重算不能沿用旧值。3. 用 Python 实现六种增强并同步改写 .txt3.1 环境准备与目录结构约定依赖只有 OpenCV、NumPy 和标准库不需要额外框架pip install opencv-python numpy目录按 YOLO 惯例组织增强脚本读images/和labels/输出到aug_images/和aug_labels/文件名保持一致只换扩展名dataset/ images/ xxx.jpg labels/ xxx.txt augmented/ images/ xxx_rot.jpg labels/ xxx_rot.txt3.2 旋转、平移、翻转的坐标同步代码import cv2 import numpy as np import os def read_label(txt_path, img_w, img_h): boxes [] if not os.path.exists(txt_path): return boxes with open(txt_path) as f: for line in f: c, x, y, w, h line.strip().split() c, x, y, w, h int(c), float(x), float(y), float(w), float(h) # 归一化 - 像素角点 x1 (x - w / 2) * img_w y1 (y - h / 2) * img_h x2 (x w / 2) * img_w y2 (y h / 2) * img_h boxes.append([c, x1, y1, x2, y2]) return boxes def write_label(boxes, txt_path, img_w, img_h): lines [] for c, x1, y1, x2, y2 in boxes: # 裁剪到图像边界 x1, y1 max(0, x1), max(0, y1) x2, y2 min(img_w, x2), min(img_h, y2) if x2 - x1 1 or y2 - y1 1: continue xc (x1 x2) / 2 / img_w yc (y1 y2) / 2 / img_h w (x2 - x1) / img_w h (y2 - y1) / img_h lines.append(f{c} {xc:.6f} {yc:.6f} {w:.6f} {h:.6f}) with open(txt_path, w) as f: f.write(\n.join(lines))read_label把归一化值还原成像素角点write_label做边界裁剪、面积过滤再写回归一化。这两个函数是所有几何增强的公共底座后面每种增强都复用它们。3.3 裁剪、亮度、噪声的像素级实现def aug_brightness(img, factor1.3): # 亮度调整factor1 变亮1 变暗 hsv cv2.cvtColor(img, cv2.COLOR_BGR2HSV).astype(np.float32) hsv[..., 2] np.clip(hsv[..., 2] * factor, 0, 255) return cv2.cvtColor(hsv.astype(np.uint8), cv2.COLOR_HSV2BGR) def aug_noise(img, sigma15): # 高斯噪声 noise np.random.normal(0, sigma, img.shape).astype(np.float32) out np.clip(img.astype(np.float32) noise, 0, 255) return out.astype(np.uint8)亮度在 HSV 的 V 通道上乘系数避免直接改 BGR 导致偏色。噪声用高斯分布叠加sigma控制强度15 左右比较温和超过 30 会明显糊掉目标边缘。这两种增强不动标签直接复制原.txt即可。3.4 旋转与平移的仿射矩阵写法def aug_rotate(img, boxes, angle15): h, w img.shape[:2] M cv2.getRotationMatrix2D((w / 2, h / 2), angle, 1.0) out cv2.warpAffine(img, M, (w, h), borderValue(114, 114, 114)) new_boxes [] for c, x1, y1, x2, y2 in boxes: pts np.array([[x1, y1], [x2, y1], [x2, y2], [x1, y2]], dtypenp.float32) pts pts M[:, :2].T M[:, 2] nx1, ny1 pts[:, 0].min(), pts[:, 1].min() nx2, ny2 pts[:, 0].max(), pts[:, 1].max() new_boxes.append([c, nx1, ny1, nx2, ny2]) return out, new_boxes def aug_translate(img, boxes, tx30, ty20): h, w img.shape[:2] M np.float32([[1, 0, tx], [0, 1, ty]]) out cv2.warpAffine(img, M, (w, h), borderValue(114, 114, 114)) new_boxes [[c, x1 tx, y1 ty, x2 tx, y2 ty] for c, x1, y1, x2, y2 in boxes] return out, new_boxes旋转用getRotationMatrix2D生成仿射矩阵四个角点乘矩阵后取外接矩形。borderValue用 114 是 YOLO 官方 letterbox 的填充灰保持一致能减少分布偏移。平移就是给角点加偏移量逻辑更直接。翻转只需把x1和x2对调再镜像nx1 w - x2, nx2 w - x1。4. 批量增强脚本与参数调优实战4.1 批量遍历与增强倍数控制单张增强没意义要批量跑并控制每张图生成几张。常见做法是每张原图随机抽 2~3 种增强组合而不是六种全上——全上会让数据集爆炸且冗余。import random def batch_augment(img_dir, lbl_dir, out_img, out_lbl, repeat3): os.makedirs(out_img, exist_okTrue) os.makedirs(out_lbl, exist_okTrue) for name in os.listdir(img_dir): if not name.lower().endswith((.jpg, .png, .jpeg)): continue stem os.path.splitext(name)[0] img cv2.imread(os.path.join(img_dir, name)) h, w img.shape[:2] boxes read_label(os.path.join(lbl_dir, stem .txt), w, h) for i in range(repeat): aug_img, aug_boxes img.copy(), [b[:] for b in boxes] ops random.sample([rot, trans, flip, crop, bright, noise], 2) for op in ops: if op rot: aug_img, aug_boxes aug_rotate(aug_img, aug_boxes, random.uniform(-20, 20)) elif op trans: aug_img, aug_boxes aug_translate(aug_img, aug_boxes, random.randint(-40, 40), random.randint(-40, 40)) elif op bright: aug_img aug_brightness(aug_img, random.uniform(0.7, 1.4)) elif op noise: aug_img aug_noise(aug_img, random.randint(5, 20)) out_name f{stem}_aug{i} cv2.imwrite(os.path.join(out_img, out_name .jpg), aug_img) write_label(aug_boxes, os.path.join(out_lbl, out_name .txt), w, h)repeat控制每张图生成几张random.sample保证同一次不重复选同种增强。翻转和裁剪可以按同样模式接进去。跑完检查输出目录图数应该是原图的repeat倍。4.2 关键参数取值范围与经验值参数建议范围说明旋转角度-20° ~ 20°超过 30° 外接框背景过多平移比例±15% 图宽太大导致目标频繁出界亮度系数0.7 ~ 1.4再暗会丢纹理噪声 sigma5 ~ 20超过 30 目标边缘模糊裁剪面积比保留 ≥ 0.3低于此值框失效这些值是通用起点具体任务要调。比如烟草病虫害数据集里叶片占满画面旋转可以放宽到 ±30°而小目标检测如投篮场景的球平移要收紧否则球容易移出画面。4.3 增强后数据集校验与可视化检查增强完必须抽查最直接的办法是把框画回图上def visualize(img_path, txt_path, out_path): img cv2.imread(img_path) h, w img.shape[:2] for c, x1, y1, x2, y2 in read_label(txt_path, w, h): cv2.rectangle(img, (int(x1), int(y1)), (int(x2), int(y2)), (0, 255, 0), 2) cv2.imwrite(out_path, img)随机抽 20 张看框是否贴合目标。如果框整体偏移多半是旋转矩阵的角点计算写错了如果框消失检查面积过滤阈值是不是太严。这一步能挡掉 90% 的坐标同步 bug。提示增强后的数据集建议单独放一个目录不要和原图混在一起训练时用两个 data yaml 分别验证原图和增强图的效果差异。5. 增强数据接入 YOLO 训练与效果验证技巧增强数据准备好后写 data yaml 指向增强目录train和val分开。一个容易忽略的点是验证集不要用增强图否则评估的是增强分布而不是真实分布mAP 会虚高。常见做法是原图按 8:2 切训练和验证只对训练集做增强。训练时观察 loss 曲线如果增强后 loss 下降更平滑、验证 mAP 提升 3~8 个点说明增强有效。如果反而下降先排查标签是否错位再考虑增强强度是否过大——旋转 45° 加平移 30% 这种组合框里几乎全是背景模型学不到东西。一个实用技巧是分阶段增强前 50 个 epoch 用弱增强小角度旋转、轻微亮度后 50 个 epoch 加大强度。这样模型先学到目标基本特征再适应各种扰动收敛更稳。另外增强倍数不是越多越好原图 500 张扩到 2000 张通常够用扩到 10000 张边际收益很低还拖慢训练。最后验证增强是否真的同步了标签可以拿增强图单独跑一次推理看预测框和标注框是否重合。重合度高说明整条增强链路是通的。本文还有配套的精品资源点击获取