focal loss: 聚焦于难训练的样本,对于简单的,易于分类的样本,给予的loss权重越低越好,对于较为难训练的样本,loss权重越好越好。
hsv_h: 0.0138 # 色调
hsv_s: 0.664 # 饱和度
hsv_v: 0.464 # 明度
degrees: 0.373 #旋转角度
translate: 0.245 # 水平和垂直平移
scale: 0.898 # 缩放
shear: 0.602 # 剪切
perspective: 0.0 # 透视变换参数
flipud: 0.00856 # 上下翻转
fliplr: 0.5 # 左右翻转
mosaic: #利用了四张图片,对四张图片进行拼接,每一张图片都有其对应的框框,将四张图片拼接之后就获得一张新的图片,同时也获得这张图片对应的框框,然后我们将这样一张新的图片传入到神经网络当中去学习,相当于一下子传入四张图片进行学习了
mixup: #从数据集中选出两张图,然后将一张图的某一部分进行裁剪叠加到另一张图上面作为新的输入图片放入网络中进行训练
copy_paste:对于一张图片A使用Copy-paste数据增强方法,则需要从另外张图片B从随机选取目标子集O,再将O粘贴至A的随意位置.