如何修改Darknet中YOLOv4-Tiny的数据增强配置

1. angle=0是否代表未启用旋转类数据增强？ #

是。Darknet框架中angle参数控制训练阶段图像随机旋转的角度范围，设置为0时不会对输入图像施加随机旋转变换，旋转类增强处于完全关闭状态。

2. 配置中可能引发数字2、5识别混淆的其他数据增强参数 #

你贴出的[net]段内的色彩类增强参数、以及cfg默认开启的隐式增强都可能导致该问题，按影响概率从高到低排序：

• 默认隐式开启的随机水平翻转：这是最高概率诱因。数字2水平翻转后的笔画结构和5高度相似，这种增强完全不符合数字识别的场景逻辑，很容易让模型学到混淆的特征映射
• exposure=1.5：训练时会在0.5~1.5倍范围随机调整图像曝光，结合你提到的眩光场景，过曝时2和5的圆弧段笔画容易糊连，特征边界模糊
• saturation=1.5：训练时会在0.5~1.5倍范围随机调整图像饱和度，电子秤数字笔画本身较细，饱和度过低或过高时容易丢失局部笔画特征
• hue=0.1：训练时会在-0.1~0.1范围随机调整色调，如果你的电子秤显示屏数字和背景对比度不高，色调偏移可能进一步弱化两类数字的区分特征
• 默认开启的马赛克增强：拼接过程中可能对数字区域产生不合理的缩放、裁切，破坏笔画结构

3. 完全关闭所有数据增强的配置修改方法 #

修改[net]段参数为如下值即可，其余训练基础参数（batch、subdivisions、width、height等）保持原有配置不变：

[net]
# 显式色彩/几何增强关闭
angle=0
saturation = 1.0
exposure = 1.0
hue=0
# 隐式增强关闭
flip=0          # 关闭随机水平翻转
mosaic=0        # 关闭马赛克增强
mixup=0         # 关闭mixup增强
cutmix=0        # 关闭cutmix增强
blur=0          # 关闭随机模糊
gaussian_noise=0# 关闭高斯噪声
random=0        # 关闭随机多尺度缩放

如果使用的是旧版本Darknet不支持上述隐式增强的cfg控制参数，需要在编译前关闭对应增强的源码宏定义，或升级到新版Darknet后直接通过cfg参数调整即可。

4. 10类数字识别任务仅2484张标注图是否存在数据量不足问题 #

是否不足取决于你的标注粒度：

• 如果标注对象是裁剪后的单个数字区域，2484张样本平均每类约240张，对于印刷体数字这类特征简单的识别任务来说基础量足够
• 如果标注对象是整个电子秤显示屏区域、一张图包含多个数字，折算下来单数字的有效样本量会低很多，大概率存在样本不均衡问题
  建议先统计样本集中数字2、5的样本占比，以及眩光、背光、倾斜等困难场景下这两类数字的样本量，如果两类样本占比远低于平均水平、或困难场景样本缺失，不需要盲目扩充全量数据集，单独补充100~200张对应场景的2、5标注样本，微调训练即可大幅降低混淆率。

内容的提问来源于stack exchange，提问作者greenzebra