企业官网建设流程全解析

117、YOLOv8改进实战：Mosaic增强与MixUp联合策略——数据增强的代码实现与超参数调优

去年做智慧工地安全帽检测项目，模型在白天场景下mAP能到0.89，一到傍晚或者阴雨天直接掉到0.72。排查了三天，最后发现是数据增强配置出了问题——Mosaic和MixUp的联合策略没调好，导致模型对光照变化和遮挡的鲁棒性严重不足。今天就把这个坑填上，聊聊YOLOv8里Mosaic和MixUp怎么搭配才能发挥最大效果。

从一次线上事故说起

客户反馈说模型在施工现场的监控画面里，经常漏检戴深色安全帽的工人。我第一反应是数据不平衡，翻看了训练集才发现问题：Mosaic增强默认开启，但MixUp被关掉了。Mosaic把四张图拼成一张，确实增加了小目标密度，但同时也让背景变得异常复杂。没有MixUp的线性插值来平滑样本分布，模型很容易对某些特定组合过拟合。更致命的是，Mosaic的随机裁剪会把安全帽切成两半，模型学到的是“半截安全帽”的特征，而不是完整的安全帽。

Mosaic增强的代码实现与调参陷阱

YOLOv8的Mosaic实现在ultralytics/data/augment.py里，核心逻辑是随机选择四张图，按比例拼接到一张大图上。默认的mosaic=1.0表示100%概率使用，但实际部署时千万别这么设。

# 这是YOLOv8源码中的Mosai