CutMix

CutMix 是一种先进的数据增强技术，通过从一张图像中裁剪矩形区域并将其粘贴到目标图像上，用于训练稳健的计算机视觉模型。与调整亮度或旋转等更简单的增强方式不同，CutMix 会改变训练样本的基本构成。交换像素后，相应的真实标签也会按照图像块的面积比例进行混合。这有助于人工神经网络学会从局部视图中识别对象，迫使模型依赖多种特征，而不是只关注对象中最具区分性的部分。该方法最早于2019 年的一篇学术论文中提出，如今已成为深度学习框架中的标准操作，用于防止过拟合，并提升模型在大型数据集上的泛化能力。

该技术的工作原理#

在模型训练期间，算法会随机选择中心坐标和框大小，从辅助图像中提取一个区域。随后，该图像块会直接覆盖到当前批次中的主图像上。如果主图像中包含一只狗，而辅助图像中包含一只猫，那么最终图像中就会出现一块猫的图像，替换狗图像的一部分。分类标签会根据图像块的精确面积，使用线性插值进行更新，例如得到 0.7 的狗标签和 0.3 的猫标签。在目标检测任务中，粘贴区域内仍保留原始面积至少一定比例（通常为 10%）的边界框会被保留。在Ultralytics YOLO中，该技术原生支持作为 cutmix 训练超参数，使用户能够轻松设置此变换的概率。

区分 MixUp 与 Cutout#

CutMix 与另外两种重要的数据增强技术密切相关，但它解决了它们各自的局限性：

• MixUp 增强：MixUp 通过计算两张图像像素值的加权平均值，在全局范围内融合两张图像。虽然这种方法有效，但它通常会产生不自然的半透明幻影图像，并可能因破坏局部空间相关性而使模型产生混淆。相比之下，CutMix 会保留裁剪区域内原始像素的强度，研究人员还在诸如Attentive CutMix的方法中进一步优化了这一点。
• Cutout 增强：Cutout 通过使用黑色像素或数据集均值遮盖随机矩形区域来丢弃信息。虽然它鼓励模型关注整个对象，但也浪费了有价值的训练张量。CutMix 则使用来自其他图像的具有信息量的图像分类图像块填补缺失区域，从而提高整体学习效率。

实际应用#

通过训练模型识别严重遮挡的对象，CutMix 显著提升了其在各个行业中的机器学习性能。

• 汽车 AI 与自动驾驶：在自动驾驶汽车中，该技术可以训练系统识别被街道标志部分遮挡的行人或车辆，从而提升拥挤环境中的安全性。
• 医学诊断与器官分割：在医疗领域，该方法广泛用于器官和肿瘤分割，使模型能够在解剖结构相互重叠时识别复杂的组织边界。
• 卫星图像遥感：该策略能够保留航空视角下建筑物和植被等密集且相互重叠的类别。研究人员正在积极探索高级变体，以提升严重不平衡数据上的长尾识别能力。

实际应用#

将这一增强方法集成到 AI 流水线中非常简单。大多数高级库都原生支持该方法，例如PyTorch Transforms和Keras 预处理层。

训练类似于YOLO26的模型时，只需调整一个参数即可配置此增强方法。该配置会自动处理图像切块以及复杂的边界框裁剪逻辑。

from ultralytics import YOLO

# Initialize the recommended Ultralytics YOLO26 model
model = YOLO("yolo26n.pt")

# Train the model with CutMix enabled at a 50% probability
results = model.train(data="coco8.yaml", epochs=50, imgsz=640, cutmix=0.5)

对于管理大规模视觉工作流的团队，Ultralytics Platform允许用户直接从云端界面调整这些数据增强最佳实践，从而简化从标注到模型部署的流程。