YOLOv10s训练代码解析5：数据增强

本专栏会手把手带你从源码了解YOLOv10(后续会陆续介绍YOLOv8、RTDETR等模型)，尽可能地完整介绍整个算法，这个专栏会持续创作与更新，大家如果想要本文PDF和思维导图，后台私信我即可(创作不易，不喜勿喷)，大家如果发现任何错误和需要修改的地方都可以私信我，我会统一修改。

ultralytics/engine/trainer.py的for i, batch in phar(从Dataloader取数据)，从ultralytics/data/base.py的__getitem__函数取数据

batch信息：im_files(图像路径，长度为batch)、ori_shape(图像原始尺寸，长度为batch)、resized_shape(图像resize后的尺寸，长度为batch)、img(tensor维度为[batch, 3, 640, 640])、cls(tensor维度为[Nobj])、bboxes(tensor维度为[Nobj, 4])、batch_idx(每个目标对象对应于第几张图片, 0-batch-1)

调用ultralytics/data/augment.py做数据增强

data和transformers信息如下：

接着一个一个聊transformer，首先第一个包含变换如下：Compose(<ultralytics.data.augment.Mosaic>,<ultralytics.data.augment.CopyPaste>(p=0), <ultralytics.data.augment.RandomPerspective>)

首先调用ultralytics/data/augment.py文件的BaseMixTransform类的__call__方法（109行随机获得三张图像的indexes，对应于Mosaic类的get_indexes方法，然后将三个index对应的label集成在mix_labels里，最后放在labels里面，第122行实现mosaic增强，调用Mosaic类的_mix_transform方法，继续调用Mosaic类的_mosaic4方法（默认四张图拼接））

在ultralytics/data/augment.py文件的第212行首先计算Mosaic后的图像中心点坐标，图像尺寸为[1280, 1280]；依次取四张图像，分别位于大图的左上角、右上角、左下角以及右下角；以第一张图片为例，第222行计算的是幕布（1280*1280图像中心点划分的左上部分）的有效坐标，第223行计算的是子图的有效坐标，再将子图的图像映射到幕布上即可（这部分可参考：https://www.bilibili.com/read/cv23472012/）

继续调用ultralytics/data/augment.py的Mosaic类的_cat_labels方法，拼接标签，去除无效的目标框

最后得到的输出如下：

接着第一个数据增强中的<ultralytics.data.augment.RandomPerspective>(概率为0的CopyPaste跳过)，ultralytics/data/augment.py文件中RandomPerspective类的__call__方法

ultralytics/data/augment.py中的RandomPerspective类的affine_transform方法，返回的是变换后的图像、变换矩阵（Translation、Shear、Rotation、Perspective、Center）、尺度变换因子s（s = random.uniform(1 - self.scale, 1 + self.scale)）；

Attention：第432行的dsize为self.size，上一阶段已经将图像尺寸由1280变为640了(上一张图的第531行)，因此这里img已经变换到了640*640

继续ultralytics/data/augment.py文件中的RandomPerspective类的__call__方法：坐标变换+处理

最后变换后的输出如下：

第二个数据增强是<ultralytics.data.augment.MixUp >，概率为9跳过；第三个数据增强是<ultralytics.data.augment.Albumentations>

第866行：ultralytics/data/augment.py文件中的Albumentations类的__call__方法(transformer：Blur(p=0.01)；MedianBlur(p=0.01)；ToGray(p=0.01)；CLAHE(p=0.01),；RandomBrightnessContrast(p=0.0)；RandomGamma(p=0.0)；ImageCompression(quality_lower=75, p=0.0))

最后得到的输出如下：

第四个数据增强策略为<ultralytics.data.augment.RandomHSV>，概率好像为0；第五个数据增强策略为<ultralytics.data.augment.RandomFlip>，概率为0；第六个数据增强策略为<ultralytics.data.augment.RandomFlip>，调用ultralytics/data/augment.py文件的RandomFlip类的__call__方法，水平翻转（图像和坐标翻转）

得到的输出如下：

第七个数据增强策略为<ultralytics.data.augment.Format>，调用ultralytics/data/augment.py的Format类的__call__方法，格式化输出

得到的输出如下：bboxes由xyxy变换为xywh；batrch_idx记录每个目标在当前batch的idx；至此完成单张图像的数据增强，后面生成器继续产生数据，重复此过程

之后在ultralytics/data/dataset.py的collate_fn函数由samples to batch，得到第一张图的batch

这部分关于的整体流程如下图所示，需要原图和思维导图的朋友关注我私信获取。