喵喵喵

目标检测tricks（基于detectron2）正确尝试裁剪由于目标相对于整张图片来说过小，所以对数据进行裁剪（除了裁剪尺寸还需要关注重叠尺寸，重叠尺寸稍微大一些，尽量保持每个目标有完整的存在，不至于因裁剪而破坏目标，这里设置裁剪512，重叠256）参考代码：DOTA_devkit改变anchor size和aspect_ratio由于数据目标较小，所以需要更改detectron2里默认的anchor.size和aspect_ratiocfg.MODEL.ANCHOR_GENERATOR.SI

数据增强线下：事先执行所有转换，实质上会增加的数据集的大小，适用于较小的数据集。线上：在送入机器学习之前，在小批量（mini-batch）上执行这些转换，适用于较大的数据集，一些机器学习框架支持在线增强，可以在GPU上加速。主要有以下几类：几何变换：例如平移、旋转、翻转、缩放等。（有小目标，必须裁剪颜色变换：①噪声：为了让模型更加鲁棒，可以考虑在训练集内加入高斯噪声、椒盐噪声等对模型进行干扰。② 颜色扰动：改变亮度、灰度、饱和度、对比度等，色调归一化类别不平衡（待补充）：重采样；实例平衡增强