047、YOLOv11数据增强协同——Copy-Paste/MixUp/Mosaic数据增强的协同组合策略与涨点实验上周调一个工业缺陷检测的模型，小目标漏检率死活降不下来，换了骨干、调了anchor、加了注意力，该试的都试了，结果验证集mAP纹丝不动。后来翻训练日志，发现数据增强那块一直是默认配置——Mosaic+MixUp，但这两个增强对小目标的覆盖其实不够。后来我把Copy-Paste加进去，三个增强按特定比例协同，mAP直接跳了3.2个点。今天就把这套组合拳的调参心得和代码实现掰开揉碎讲清楚。为什么单个增强不够用YOLOv11默认的Mosaic是把四张图拼成一张，MixUp是两张图按比例混合。这两个增强有个共同问题：它们改变的是图像的全局统计分布，但对小目标、遮挡目标的局部特征增强效果有限。Mosaic虽然能增加小目标出现的频率，但四张图拼在一起后，每个目标的像素占比被进一步压缩，模型反而容易学到"小目标就是模糊的"这种错误先验。Copy-Paste不一样，它直接把一个目标实例复制粘贴到另一张图上，不改变目标本身的像素分布。这就好比给模型开小灶——专门强化它对特定目标形态的泛化能力。但Copy-Paste单独用也有问题：粘贴位置如果太随意，会产生大量不合理的目标共现（比如螺丝钉出现在天空背景上），反而干扰模型学习。所以关键不是选哪个增强，而是怎么让它们互补。我最终采用的策略是：Mosaic负责全局多样性，MixUp负责平滑决策边界，Copy-Paste负责局部特征强化。三个增强按特定概率串联，每个增强的参数根据训练阶段动态调整。 047、YOLOv11数据增强协同——Copy-Paste/MixUp/Mosaic数据增强的协同组合策略与涨点实验
047、YOLOv11数据增强协同——Copy-Paste/MixUp/Mosaic数据增强的协同组合策略与涨点实验上周调一个工业缺陷检测的模型，小目标漏检率死活降不下来，换了骨干、调了anchor、加了注意力，该试的都试了，结果验证集mAP纹丝不动。后来翻训练日志，发现数据增强那块一直是默认配置——Mosaic+MixUp，但这两个增强对小目标的覆盖其实不够。后来我把Copy-Paste加进去，三个增强按特定比例协同，mAP直接跳了3.2个点。今天就把这套组合拳的调参心得和代码实现掰开揉碎讲清楚。为什么单个增强不够用YOLOv11默认的Mosaic是把四张图拼成一张，MixUp是两张图按比例混合。这两个增强有个共同问题：它们改变的是图像的全局统计分布，但对小目标、遮挡目标的局部特征增强效果有限。Mosaic虽然能增加小目标出现的频率，但四张图拼在一起后，每个目标的像素占比被进一步压缩，模型反而容易学到"小目标就是模糊的"这种错误先验。Copy-Paste不一样，它直接把一个目标实例复制粘贴到另一张图上，不改变目标本身的像素分布。这就好比给模型开小灶——专门强化它对特定目标形态的泛化能力。但Copy-Paste单独用也有问题：粘贴位置如果太随意，会产生大量不合理的目标共现（比如螺丝钉出现在天空背景上），反而干扰模型学习。所以关键不是选哪个增强，而是怎么让它们互补。我最终采用的策略是：Mosaic负责全局多样性，MixUp负责平滑决策边界，Copy-Paste负责局部特征强化。三个增强按特定概率串联，每个增强的参数根据训练阶段动态调整。