YOLOV7训练时使用的训练数据都是mosaic数据增强后的吗

YOLOV7使用mosaic数据增强时，是所有进入网络训练的图像都会进行moasic后再进入网络吗

• 你看下这篇博客吧, 应该有用👉 ：YOLOV4-Mosaic数据增强详解
• 除此之外, 这篇博客: 三万字硬核详解：yolov1、yolov2、yolov3、yolov4、yolov5、yolov7中的 （4.3.1）马赛克（Mosaic）数据增强 + CutMix数据增强 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• CutMix论文： https://arxiv.org/pdf/1905.04899v2.pdf

  最大特点：使得yolov4只通过单CPU就能完成训练，不用再担心设备问题。
  具体方式：

  • 11、采用常用的数据增强方法（如：亮度、饱和度、对比度；随机缩放、旋转、翻转等）对所有的图像进行数据增强；
  • 22、采用CutMix数据增强方法。详细见下。
  • 33、采取马赛克（Mosaic）数据增强方法，即随机取四张图像拼接为一张图像。
    
    由图可得（左）：CutMix表现最优。
  • （1）ResNet-50：采用常规的数据增强方法。如：调整亮度、饱和度、对比度；随机缩放、旋转、翻转等。
  • （2）Mixup：将猫狗两张图像进行图像融合，其中狗和猫的权重参数都为0.5，故标签概率值都为0.5。
  • （3）Cutout：随机删除/遮挡一个区域。
  • （4）CutMix：随机删除/遮挡一个区域，并用A图像的一部分粘贴到B图像上。 如：将狗头替换为猫头，其中狗和猫的权重参数分别为0.6、0.4，故标签softmax的概率值分别为0.6、0.4。

  备注1：softmax能够得到当前输入属于各个类别的概率。
  备注2：标签（分类结果）会根据patch的面积按比例分配，计算损失时同样采用加权求和的方式进行求解。
  

  数据增强的其余方法扩展：