如何为YOLOv8模型训练添加额外Albumentations？修改代码未生效

1. 确认训练时启用Albumentations #

YOLOv8默认不开启Albumentations增强，必须显式指定：

• 训练命令添加参数：yolo train ... --albumentations
• 或在训练配置yaml文件中添加：albumentations: True

2. 验证修改的代码是否被正确加载 #

• 查看训练日志开头，确认是否有包含ImageCompression和MotionBlur的增强列表输出。如果没有：
  • 若你用pip安装的YOLOv8，可能修改的是本地克隆仓库代码，但实际运行的是site-packages中的ultralytics代码。需替换对应路径的augment.py，或在本地仓库执行pip install -e .安装可编辑模式。
  • 升级Albumentations到指定版本：pip install -U albumentations>=1.0.3

3. 清除数据集缓存 #

YOLOv8会缓存预处理数据，旧缓存会保留原增强策略：

• 删除数据集根目录下的labels.cache文件
• 训练时添加--cache clear参数强制清除缓存

4. 确认增强逻辑的执行时机 #

检查augment.py中Albumentations类的__call__方法，确保正确应用transform：

def __call__(self, im, labels, p=1.0):
    """Apply transforms to input image and labels."""
    if self.transform and random.random() < p * self.p:
        # 转换图像格式适配Albumentations（YOLOv8默认是CHW格式，Albumentations用HWC）
        im = im.transpose(1, 2, 0)
        result = self.transform(image=im, bboxes=labels[:, 1:], class_labels=labels[:, 0])
        im = result['image'].transpose(2, 0, 1)  # 转回CHW格式
        labels = np.array([[c, *b] for c, b in zip(result['class_labels'], result['bboxes'])])
    return im, labels

若__call__未正确调用transform，新增增强不会生效。

5. 单独测试增强效果 #

写一段测试代码验证增强组合本身的有效性：

import cv2
import albumentations as A
import numpy as np

# 加载测试图像和YOLO格式标注
im = cv2.imread('test.jpg')
labels = np.array([[0, 0.5, 0.5, 0.2, 0.2]])

# 初始化你的增强组合
transform = A.Compose([
    A.ImageCompression(quality_lower=75, p=0.5),
    A.MotionBlur(p=0.5, blur_limit=(3,9))
], bbox_params=A.BboxParams(format='yolo', label_fields=['class_labels']))

# 应用增强并查看结果
result = transform(image=im, bboxes=labels[:, 1:], class_labels=labels[:, 0])
cv2.imwrite('aug_test.jpg', result['image'])
print('原标注:', labels)
print('增强后标注:', np.array([[c, *b] for c, b in zip(result['class_labels'], result['bboxes'])]))

如果这段代码能生成预期效果，说明增强组合本身没问题，问题出在YOLOv8的调用流程上。

内容的提问来源于stack exchange，提问作者bhavesh wadibhasme