Matriz de data augmentation

Os parâmetros

Estes são nomes de campos do TrainConfig, não a grafia da CLI. train() e a CLI mapeiam as grafias curtas sobre eles, então mosaic define mosaic_prob.

Os quatro últimos formam os controles de classificação. As famílias de detecção os ignoram. train() e a CLI direcionam mixup para a mistura de lotes nos classificadores e para mixup_prob nos detectores.

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"))

Os três status

ignored é o que vale conferir antes de uma execução, porque nada falha. A CLI avisa quando um parâmetro de treinamento definido explicitamente é um dos que a família selecionada ignora, e o treinador avisa quando mixup_prob > 0 não pode disparar porque a família condiciona o MixUp ao mosaico e mosaic_prob é zero.

Arquétipos de pipeline

Toda família coberta segue um de seis pipelines, com um punhado de desvios por família listados abaixo.

No pipeline no estilo YOLOX, o pré-processamento por amostra aplica o jitter HSV e os flips, enquanto o warp afim e o MixUp rodam apenas dentro do ramo do mosaico. Já o YOLO-NAS roda um afim por amostra que está sempre ligado, ignora o mosaico e aplica o MixUp de forma independente, reaproveitando mosaic_scale como faixa de escala do afim.

O pipeline do tipo DETR usa uma transformação sem mosaic. Distorção fotométrica, zoom-out e recorte por IoU são constantes da receita, não parâmetros configuráveis; por isso, hsv_prob e os controles geométricos não os alteram. A classificação usa flip_prob para inversões horizontais e flipud para verticais. A variação de escala e HSV da segmentação semântica vem de atributos da classe do modelo; na restauração, entrada e alvo são invertidos juntos com probabilidade fixa de 0.5.

no_aug_epochs é respeitado em todos os pipelines, mas desativa operações diferentes: mosaic e MixUp nos pipelines do tipo YOLOX; transformação afim e MixUp no YOLO-NAS; aumentos fotométricos fortes e recorte, com a parte final do cronograma da taxa de aprendizado, no DETR; aumento automático, erasing, MixUp e CutMix na classificação. Os recortes e as inversões da classificação continuam ativos.

Famílias por arquétipo

Trinta e uma famílias são cobertas. Uma família fora desta lista retorna um conjunto de ignorados vazio, então nenhum aviso é emitido para ela.

Desvios

ec e dinov2 são famílias multitarefa, então um parâmetro só é marcado como ignorado quando todas as tarefas treináveis da família o ignoram. Isso impede que o aviso da CLI seja errado para uma tarefa enquanto está certo para outra.

O Dome-DETR herda os transforms do D-FINE sem alterações. A única coisa que ele não aceita é o treinamento multiescala, que sua configuração desativa, e não a spec de augmentation.

Parâmetros específicos de família

Algumas famílias carregam parâmetros de data augmentation na sua própria subclasse de TrainConfig, e não na base. A CLI não expõe esses parâmetros; defina-os pela API Python.

rot90 se aplica a detect e OBB no yolo9.

Consultando a spec

Um Support é uma tupla nomeada de status e note, em que a nota explica por que um parâmetro é ignorado ou condicionado para aquela família.

O gate do mosaico

Para uma família no estilo YOLOX, mixup_prob=0.5 com mosaic_prob=0 desativa o MixUp por completo, porque o MixUp se aplica apenas a amostras de mosaico. Essa combinação é fácil de alcançar ao desligar o mosaico no fim do treinamento. O treinador registra um aviso nomeando a família, e mixup_gating_warning é a função pura por trás dele.