训练调优：增强、迁移与评估

一句话定义

视觉训练调优围绕三条主线：用几何/光度数据增强扩充有效样本、用迁移学习在预训练权重上微调、用严谨的验证协议诊断过拟合与选择模型，任何一条走偏都会让指标虚高或训练发散。

为什么重要

同一份代码、同一批数据，调优得当与不当的最终 mAP 可以相差十个百分点以上；更重要的是「指标可信」比「指标高」重要——在测试集上调参、增强破坏标签对齐这类错误产出的模型，上线即翻车。

直观类比

数据增强像给运动员变换训练场地（不同光照的球场、不同角度的风），逼出泛化能力；迁移学习像聘用一位有十年经验的老师傅再教三个月，而不是从学徒带起；验证协议像考试前绝不给学生看真题——看过真题的模拟分毫无意义。

前置知识

kp-025（数据集与标注）；kp-016（分类训练框架）。

核心概念

几何增强：翻转、缩放、裁剪、旋转；必须同步变换标注框/掩码。
光度增强：亮度、对比度、HSV 抖动、模糊与噪声注入，模拟成像差异。
Mosaic / MixUp / CutMix：多图拼合类增强，检测训练的标准配置，提升小目标与上下文多样性。
迁移学习：ImageNet/自监督预训练权重 + 冻结骨干或全量微调，小数据场景的默认路径。
学习率调度：warmup 起步、余弦退火或阶梯衰减，微调时学习率比从零训练小一个量级。
过拟合信号：训练损失持续下降而验证损失回升，train/val 差距扩大。
早停（Early Stopping）：以验证指标为准则保留最佳权重，防过拟合并省算力。
消融实验纪律：一次只改一个变量，全部结论来自 val 集，test 集只动一次。

原理与机制

增强的有效性来自「标签不变的变换扩大数据流形」：几何变换改变外观而保留类别与位置（标签随之变换），光度变换模拟传感器差异；Mosaic 把四图拼一图，同时等效增大 batch 内目标密度与尺度多样性，是小目标涨点的头号功臣。迁移学习的机理是卷积浅层特征跨域通用：小数据集冻结骨干只训头部，中大数据集低学习率全量微调；学习率过大会把预训练权重「冲掉」，等效从零训练。诊断闭环必须建立在「val 只用于决策、test 只用于终评」的纪律上——任何依据 test 的调整（选 epoch、选阈值、选模型）都是泄漏。

公式与模型

余弦退火学习率： η_t = η_min + 0.5(η_0 − η_min)(1 + cos(πt / T))
标签同步变换： box′ = T(box)    （T 为与图像同一几何变换）
早停准则： 保留 argmax_t mAP(val, epoch_t)

图示

实例与案例

小数据分类（每类 200 张）：ImageNet 权重冻结骨干 + 头部 10 epoch，再解冻以 1e-5 微调，比从零训练高 15 个点以上。检测实战配方：YOLO 系默认开启 Mosaic + HSV 抖动 + 水平翻转，最后若干 epoch 关闭 Mosaic（关闭增强精调）还能再涨点。失败案例：增强管线里做了「随机水平翻转」但数据是车牌/文字，标签没镜像也没翻转字符——训练损失正常、线上指标崩塌，根因是增强破坏了标签语义。

tfm = A.Compose([
    A.HorizontalFlip(p=0.5),
    A.RandomBrightnessContrast(0.2, 0.2, p=0.5),
    A.HueSaturationValue(10, 15, 10, p=0.3),
], bbox_params=A.BboxParams(format='pascal_voc', label_fields=['cls']))   # 框随图同步变换
sched = torch.optim.lr_scheduler.CosineAnnealingLR(opt, T_max=epochs, eta_min=1e-6)

常见误区

在测试集上调参/选模型：test 一旦参与决策即被污染；一切决策依据 val，test 只在收官时碰一次。
增强破坏标签：翻转/旋转后框、关键点顺序、文字方向必须同步变换；文本与医学方向敏感场景禁用几何翻转。
微调学习率照搬从零训练：预训练权重的任务应使用小一个量级的学习率并配 warmup，否则把知识冲掉。
只看平均指标：长尾类别被平均掩盖，必须分诊断每类 AP/召回，问题类别单独补数据。
把 val 指标波动当趋势：单次评估受随机性影响，重要结论需多种子平均或至少观察趋势一致性。

与其他知识点的关系

输入来自 kp-025 的数据工程；产物交给 kp-027 部署；增强配方与 kp-018 的 Mosaic、kp-019 的 Dice 损失等任务技巧衔接；「泄漏式调参」是 kp-031 之外工程侧最常见的可信度问题。

自测题

几何增强为什么必须同步变换标注？

答案要点：框/掩码/关键点定义在像素坐标系上，图像几何变了而标注不变，监督信号即错误，模型学出系统性错位。

迁移学习中「先冻结后解冻」各阶段的意义是什么？

答案要点：先冻结只训头部，用稳定特征快速对齐新任务；再低学习率解冻全量微调，让骨干适配域差异。

如何判断模型过拟合？两个可操作信号？

答案要点：验证损失开始回升且训练损失继续下降；train 与 val 指标差距持续扩大。对策是早停、增强、正则或补数据。