Augmentationsmatrix

Einstellungen

Dies sind Feldnamen von TrainConfig, nicht ihre Schreibweisen in der CLI. train() und die CLI bilden die kurzen Schreibweisen darauf ab. mosaic setzt daher mosaic_prob.

Die letzten vier bilden die Klassifikationsparameter. Detektionsfamilien ignorieren sie. train() und die CLI leiten mixup bei Klassifikatoren an die Batch-Mischung und bei Detektoren an mixup_prob weiter.

from libreyolo.data.augment.spec import (    AUG_KNOBS,    aug_support,    ignored_aug_params,    uses_mosaic_gating,) print(sorted(AUG_KNOBS)) table = aug_support("yolo9")print(table["mixup_prob"].status, table["mixup_prob"].note) print(sorted(ignored_aug_params("dfine")))print(uses_mosaic_gating("yolo9"), uses_mosaic_gating("yolonas"))

Drei Statuswerte

Prüfe vor einem Lauf insbesondere ignored, da kein Fehler ausgelöst wird. Die CLI warnt, wenn ein ausdrücklich gesetzter Trainingsparameter von der gewählten Familie ignoriert wird. Der Trainer warnt außerdem, wenn mixup_prob > 0 nicht ausgelöst werden kann, weil die Familie MixUp an Mosaic koppelt und mosaic_prob null ist.

Pipeline-Archetypen

Jede erfasste Familie folgt einer von sechs Pipelines. Einige familienbezogene Abweichungen stehen weiter unten.

In der Pipeline im YOLOX-Stil wendet die Vorverarbeitung je Sample HSV-Jitter und Spiegelungen an. Die affine Transformation und MixUp laufen nur innerhalb des Mosaic-Zweigs. YOLO-NAS führt dagegen immer eine affine Transformation je Sample aus, ignoriert Mosaic und wendet MixUp unabhängig an. Dabei wird mosaic_scale als Skalierungsbereich der affinen Transformation wiederverwendet.

Die DETR-Pipeline verwendet eine Transformation ohne Mosaic. Photometrische Verzerrung, Zoom-out und IoU-Cropping sind Rezeptkonstanten statt konfigurierbarer Parameter; hsv_prob und die Geometrieparameter steuern sie daher nicht. Klassifikation verwendet flip_prob für horizontales und flipud für vertikales Spiegeln. Semantische Skalierungsvariation und HSV stammen aus Attributen der Modellklasse. Bei Restaurierung werden Eingabe und Ziel gemeinsam mit einer festen Wahrscheinlichkeit von 0.5 gespiegelt.

no_aug_epochs wird überall berücksichtigt, schaltet aber unterschiedliche Operationen ab: Mosaic und MixUp bei YOLOX-Pipelines, affine Transformation und MixUp bei YOLO-NAS, starke photometrische Augmentierung und Cropping sowie die Schlussphase des Lernratenplans bei DETR, automatische Augmentierung, Erasing, MixUp und CutMix bei Klassifikation. Cropping und Spiegeln bleiben bei Klassifikation aktiv.

Familien nach Archetyp

Einunddreißig Familien werden erfasst. Für eine Familie außerhalb dieser Liste wird eine leere Menge ignorierter Einstellungen zurückgegeben, sodass keine Warnung erscheint.

Abweichungen

ec und dinov2 sind Multi-Task-Familien. Eine Einstellung wird deshalb nur dann als ignoriert markiert, wenn jede trainierbare Aufgabe der Familie sie ignoriert. So kann die CLI-Warnung nie für eine Aufgabe falsch und für eine andere richtig sein.

Dome-DETR übernimmt die Transformationen von D-FINE unverändert. Nur Multi-Scale-Training wird nicht unterstützt. Dies wird von seiner Konfiguration statt der Augmentationsspezifikation deaktiviert.

Familienspezifische Einstellungen

Einige Familien definieren Augmentationseinstellungen in ihrer eigenen TrainConfig-Unterklasse statt in der Basisklasse. Die CLI stellt sie nicht bereit. Lege sie über die Python-API fest.

rot90 gilt bei yolo9 für detect und OBB.

Abfrage der Spezifikation

Support ist ein benanntes Tupel aus status und note. Die Anmerkung erklärt, warum eine Einstellung bei dieser Familie ignoriert oder gekoppelt wird.

Mosaic-Kopplung

Bei einer Familie im YOLOX-Stil deaktiviert mixup_prob=0.5 zusammen mit mosaic_prob=0 MixUp vollständig, da MixUp nur auf Mosaic-Samples angewendet wird. Diese Kombination entsteht leicht, wenn Mosaic spät im Training deaktiviert wird. Der Trainer protokolliert eine Warnung mit dem Familiennamen. mixup_gating_warning ist die zugrunde liegende reine Funktion.