关于YOLOv8自带的数据增强方式

一、YOLOv8默认使用的增强方式策略

1.1、 hsv_h

通过色轮的一小部分调整图像的色调，引入颜色可变性。帮助模型在不同的照明条件下进行概括。

默认数值为0.015，范围是0.0~1.0。

1.2、hsv_s

将图像的饱和度更改一小部分，从而影响颜色的强度。适用于模拟不同的环境条件。

默认数值为0.7，范围是0.0~1.0。

1.3、hsv_v

将图像的值（亮度）修改一小部分，有助于模型在各种照明条件下表现良好。

默认数值为0.4，范围是0.0~1.0。

1.4、translate

将图像水平和垂直方向平移图像的一小部分，有助于学习检测部分可见对象。

默认数值为0.1，范围是0.0~1.0。

1.5、scale

按增益因子缩放图像，模拟与摄影机相距不同距离的对象。

默认数值为0.5，范围是大于等于0.0都可以。

1.6、fliplr

以指定的概率将图像从左向右翻转（类似于左右镜像），这对于学习对称对象和增加数据集的多样性非常有用。

默认数值为0.5，范围是0.0~1.0。

1.7、mosaic

将四个训练图像组合为一个，模拟不同的场景组成和对象交互。YOLO最经典的数据增强方式。对复杂场景的理解非常有效。

默认数值为1.0，范围是0.0~1.0。

1.8、auto_augment

面向分类任务，自动应用预定义的增强策略（randaugment、autoaugment和augmix），通过使视觉特征多样化来优化分类任务。

默认数值为randa