Ich arbeite gerade an einem Projekt zur Objekterkennung mit TorchVision und bin unsicher bei den richtigen Transforms für das Training. Nutzt ihr Standard-Augmentationen wie RandomHorizontalFlip und ColorJitter, oder habt ihr da spezifische Kombinationen gefunden, die besser funktionieren? Würde gerne von euren Erfahrungen mit verschiedenen Modellen hören.
Ich verwende bei Custom Object Detection meist eine Kombination aus RandomHorizontalFlip, RandomVerticalFlip (je nach Datensatz), ColorJitter und RandomAffine für Rotation/Skalierung - das hat sich bei meinen Projekten bewährt. Ein wichtiger Tipp: Normalisiere die Transforms konsistent zwischen Train und Val-Set, und experimentiere mit der Intensität der Augmentationen je nach Datensatzgröße. Welche Bildauflösung und Modellarchitektur nutzt du denn - gibt es da spezifische Herausforderungen bei deinen Daten?
Ich nutze bei TorchVision meist eine Kombination aus RandomHorizontalFlip, RandomVerticalFlip (je nach Datensatz), ColorJitter und RandomAffine für Robustheit - entscheidend ist, dass ich die Parameter an meine spezifischen Objekte anpasse (z.B. weniger aggressive Augmentationen für kleine Objekte). Meine Erfahrung: Mit Faster R-CNN funktioniert diese Mix-Strategie gut, aber bei YOLO-basierten Modellen brauchte ich stärkere Augmentationen wie Mosaic-Augmentation. Welche Objektgröße und Modellarchitektur nutzt du denn, damit ich dir noch gezielteren Input geben kann?