python - 使用边界框进行数据增强

Question

我想使用 YOLO v4 训练对象检测模型。我有一个文件夹，其中包含 txt 文件中带有边界框注释的 jpg 图像。我没有太多数据，所以我决定对我的数据进行一些数据扩充。我遇到了以下问题：

1. 我已经尝试过 Roboflow，所以我可以直接在 txt 文件中使用边界框，但问题是 Roboflow 会随机应用数据增强，有时它会给出相同的图片或只应用很小的变化。
2. 我尝试过 Albumentations，但边界框有问题，我尝试了 Pascal voc 格式，它有效，但我不知道如何为整个数据集自动执行此操作。

有没有其他解决方案或建议，我将不胜感激。谢谢

标签： pythonobject-detectionyolobounding-boxdata-augmentation

Answer 1

您不必过多担心数据增强，因为它具有许多数据增强技术，可用于帮助提高模型性能和泛化能力。

YoloV4 使用的一些数据增强技术是CutMix, Blurring, Class label smoothing, Mosaic data augmentation, Self-Adversarial Training. 您可以在此处从 YoloV4 论文中了解有关各种增强方法的不同类型和影响的更多信息

这是 YoloV4的GitHub 实现中使用的所有数据增强技术的列表