YOLO系列输入处理与数据工程 Mosaic v9 与 MixUp 的组合增强策略

YOLO系列输入处理与数据工程 Mosaic v9 与 MixUp 的组合增强策略

原创专栏 · YOLO技术点100讲

开场：一张图里塞九张图，图什么？

想象你正在训练一个安检系统，让它识别行李箱里的违禁品。你的训练图库里，大多数照片只拍到了一两个物品，背景是空荡荡的传送带。模型学得很开心——直到部署时，它面对了一张塞满行李、人群拥挤、光线杂乱的真实场景，直接懵了。

这就是上下文饥饿（Context Starvation）。模型见过太少的目标组合，没见过目标之间的遮挡关系，更没见过小目标淹没在复杂背景里的样子。

别急，YOLO系列解决这个问题的核心武器，就是Mosaic——把多张图暴力拼接成一张。从YOLOv4的4图拼接，到YOLOv8的9图拼接（Mosaic9），再到与MixUp的线性混合，形成了一套**"先拼后混"的组合拳**。

今天我们不泛泛而谈，直接拆解这套组合拳的每一个动作：什么时候出拳、力度多大、最后几回合为什么收力。

第一步：宏观——Mosaic 的三代进化地图

如果画成图会是什么样子？想象一条横向展开的生产线，从4图拼接到9图拼接，再到全尺度保留。