【YOLO】YOLO系列数据增强方法综述

YOLO（You Only Look Once）作为实时目标检测领域的标杆模型，其高性能不仅依赖于网络结构优化，更得益于独特的数据增强策略。本文系统总结YOLO系列（v3至v8）的核心数据增强方法，分析其设计原理、实现细节及版本演进。

---

一、YOLO数据增强的核心目标

1. ​提升小目标检测能力：通过多尺度训练与图像拼接增强小目标可见性。
2. ​模拟复杂场景：遮挡、光照变化、目标密集等挑战。
3. ​加速收敛：利用增强生成多样性数据，减少过拟合。
4. ​硬件友好性：增强方法需适应单卡训练，避免过高计算开销。

---

二、YOLO各版本增强方法演进

​1. YOLOv3/v4：奠定基础框架

• ​Mosaic增强​（核心创新）

  • ​原理：随机选取4张图像，缩放后拼接为一张大图（如图1），混合上下文信息。
  • ​优势：
    • 单张图像包含多尺度目标，提升小