Mosaic数据增强概念Yolov5提供了很多种数据增强的方式,一些基本的缩放、裁剪、旋转等,这篇博文就主要讨论一下Mosaic数据增强
要获得一个表现良好的神经网络模型,往往需要大量的数据作支撑,然而获取新的数据这项工作往往需要花费大量的时间与人工成本。使用数据增强技术,可以充分利用计算机来生成数据,增加数据量,如采用缩放、平移、旋转、色彩变换等方法增强数据,数据增强的好处是能够增加训练样本的数量,同时添加合适的噪声数据,能够提高模型的泛化力。
在 YOLOv5 中除了使用最基本的数据增强方法外,还使用了 Mosaic 数据增强方法,其主要思想就是将 4 张图片进行随机裁剪、缩放后,再随机排列拼接形成一张图片,实现丰富数据集的同时,增加了小样本目标,提升网络的训练速度。在进行归一化操作时会一次性计算 4 张图片的数据,因此模型对内存的需求降低。Mosaic 数据增强的流程如图所示。
yolov5有关数据增强的参数都写到了data/hyps/hyp.scratch-med.yaml文件里,如果想关闭mosaic数据增强就直接可以把mosaic的参数设置为0
hsv_h: 0.015 # image HSV-



