014、数据增强不是越多越好：Mosaic、MixUp、Copy-Paste 的适用边界与踩坑记录
上个月调一个YOLOv8的工地安全帽检测模型，训练集两万张，Mosaic、MixUp、Copy-Paste全开，mAP反而比只用Mosaic低了3个点。当时盯着tensorboard上的loss曲线，训练集loss降得飞快，验证集loss在第三个epoch就开始震荡——典型的过拟合信号，但数据增强不是防过拟合的吗？怎么越增强越崩？
后来花了三天逐项排查，发现不是增强本身的问题，是“增强策略”和“数据特性”打架了。今天把踩过的坑和摸索出的边界条件写清楚，省得你们再走一遍。
Mosaic：小目标的天使，大目标的魔鬼
Mosaic把四张图拼成一张，相当于变相增加了batch size，对小目标检测效果显著。但注意，这个“小目标”是有前提的。
踩坑记录1：当目标尺寸超过图像1/4时，Mosaic会制造大量截断样本。
我那个安全帽数据集里，有些近景拍摄的安全帽占了图像1/3面积。Mosaic随机裁剪后，这些大安全帽经常被切掉一半，只剩个帽檐。模型学到的特征是“帽檐+背景”，而不是“完整安全帽”。推理时遇到完整安全帽反而漏检。
经验边界：如果你的数据集中，目标面积占图像比例超过15%的样本占比超过20%，Mosaic的mosaic_prob建议降到0.3以下。YOLOv8默认是1.0，直接改config里的mosaic_prob: 0.3。
踩坑记录2：Mosaic和图像分辨率不匹配。
我用YOLOv6训练1920x1080的监控画面，输入尺寸640x640。Mosaic把四张图缩放到320x320再拼，相当于每张图的信息量被压缩到原来的1/9。小目标（比如远处的人头）直接变成几个像素点，特征提取器根本学不到东西。
解决方案：要么把输入尺寸提到1280（YOLOv8支持），要么把Mosaic的scale范围从默认的[0.1, 2.0]改成[0.5, 1.5]。别问我怎么知道的，跑了一周实验才试出来。
MixUp：分类任务的利器，检测任务的暗器
MixUp把两张图按比例混合，标签也按比例混合。在分类任务上效果显著，但在检测任务上，我建议你谨慎使用。
踩坑记录3：MixUp导致边界框回归不稳定。
想象一下，一张图里有个0.7透明度的安全帽，另一张图里有个0.3透明度的行人。模型需要同时预测两个目标，但它们的边界框是重叠的。YOLO的anchor匹配机制会混乱——这个anchor到底该匹配哪个目标？两个都匹配？那损失怎么算？
YOLOv8的MixUp实现里，标签是直接拼接的，没有做任何去重或权重调整。训练初期模型会疯狂震荡，因为同一个位置出现了两个不同类别的目标。
经验边界：只有当你的数据集类别数超过10类，且类别间特征差异明显（比如车和行人）时，MixUp才有正面效果。如果只有3-5类，且类别间有相似性（比如安全帽和头盔），MixUp大概率帮倒忙。
踩坑记录4：MixUp的alpha参数不是越大越好。
默认alpha=0.2，意味着混合比例集中在0.2/0.8附近。我试过alpha=0.5，结果模型学出来的特征全是“模糊的中间态”，推理时对清晰目标的置信度反而下降。
个人习惯：alpha设0.15，且只在最后50个epoch开启。前期让模型先学清楚特征，后期用MixUp做微调。
Copy-Paste：实例分割的宝藏，目标检测的陷阱
Copy-Paste把目标从一个图复制到另一个图，在实例分割任务上效果炸裂。但在目标检测上，我踩过一个很隐蔽的坑。
踩坑记录5：Copy-Paste破坏了场景上下文。
工地场景里，安全帽通常出现在人的头部位置。Copy-Paste随机把安全帽贴到背景墙上，模型学到了“安全帽可以出现在任何位置”。推理时，模型对正确位置（人头）的安全帽反而不敏感，因为训练时见过太多“墙上安全帽”的样本。
更致命的问题：如果复制过来的目标遮挡了原始目标，模型会学到“目标可以被部分遮挡”，但实际场景中遮挡模式是有规律的（比如人站在机器后面），而Copy-Paste的遮挡是随机的、无规律的。
经验边界：Copy-Paste只适用于两类场景：一是小目标极度匮乏（比如远距离行人），二是目标形状高度标准化（比如交通标志）。对于一般场景，建议关闭。
踩坑记录6：Copy-Paste和Mosaic叠加使用。
我试过Mosaic+Copy-Paste同时开，训练集里一张图可能包含8-12个目标，其中一半是粘贴过来的。模型学到的不是“检测目标”，而是“检测所有看起来像目标的物体”。验证集mAP直接掉到0.4以下。
个人建议：Mosaic和Copy-Paste二选一，不要同时开。如果非要开，把Copy-Paste的prob降到0.1以下。
数据增强的“黄金组合”实验记录
最后给一组我实测过的配置，针对不同场景：
场景1：小目标密集（比如无人机航拍行人）
- Mosaic: prob=0.5, scale=[0.5, 1.5]
- MixUp: 关闭
- Copy-Paste: prob=0.3（只复制小目标）
- 其他增强：HSV抖动、随机平移
场景2：大目标为主（比如车辆检测）
- Mosaic: prob=0.2, scale=[0.8, 1.2]
- MixUp: prob=0.1, alpha=0.1
- Copy-Paste: 关闭
- 其他增强：随机旋转（±15°）、随机缩放
场景3：通用场景（比如监控安防）
- Mosaic: prob=0.5, scale=[0.3, 1.5]
- MixUp: prob=0.2, alpha=0.15（最后30个epoch开启）
- Copy-Paste: 关闭
- 其他增强：HSV抖动、随机裁剪
重要提醒：以上配置不是万能药。每次换数据集，先跑一个baseline（只开HSV抖动），然后逐个加增强，每个增强跑20个epoch看验证集mAP趋势。别一次性全开，否则你根本不知道哪个增强在拖后腿。
数据增强的本质是“让模型见过更多样化的数据”，但前提是这些“多样化”不能偏离真实分布。Mosaic、MixUp、Copy-Paste都是强增强，它们制造的数据分布和真实分布之间的差距，就是你需要警惕的边界。
下次训练前，先问问自己：我的数据里，目标尺寸分布是怎样的？场景上下文重要吗？类别间差异大吗？想清楚这三个问题，再决定开哪些增强。别像我一样，跑了一周实验才发现是增强策略的问题。
