[컴퓨터비전] YOLOv8 기본 증강 ON/OFF

⚙️ utralytics 8.2.128 기준이며, 이전 포스팅에서 이어지는 내용입니다. 

[컴퓨터비전] YOLOv8 객체 탐지 모델 학습 따라하기

YOLOv8 학습을 하다보면 증강이 자연스럽게 적용됩니다. 한정된 학습 데이터 자원을 이용하여 더 높은 성능의 모델을 만들기 위해 모델 고도화 방법을 고려하다보니 데이터 증강(augmentation)에 관심이 가게 되었습니다. 나만의 커스텀 증강 방법을 만들기 위해선 YOLO가 학습시 적용시켜주는 기본 증강을 OFF해야 하는데 오늘은 그 방법에 대해서 공유하며 함께 공부해볼까 합니다.

1. YOLO 모델 학습 중 albumentations: 로그가 출력되는 이유

🔍 Ultralytics YOLOv8은 학습 시 자동으로 "내장된 픽셀 기반 증강(Albumentations)"을 적용합니다. 이는 기본 값이며 사용자가 따로 설정하지 않아도 다음과 같은 transform들이 활성화 됩니다.

# ultralytics.data.augment.Albumentations 클래스 내부
A.Blur(p=0.01)
A.MedianBlur(p=0.01)
A.ToGray(p=0.01)
A.CLAHE(p=0.01)

➡️ 그래서 YOLO 학습 중 train() 함수를 호출하면 아래 로그가 자동으로 출력됩니다.

albumentations: Blur(p=0.01), MedianBlur(p=0.01), ToGray(p=0.01), CLAHE(p=0.01)

📂 파일의 위치는 다음과 같습니다.

"\ultralytics\ultralytics\data\augment.py"

📌 파일 내부 증강 관련 부분은 아래와 같이 기본값이 되어 있습니다.

clsss Albumentations:
	def __init__(self, p=0.1):
    # ...(중략)...
    # Transforms
    T = [
        A.Blur(p=0.01),
        A.MedianBlur(p=0.01),
        A.ToGray(p=0.01),
        A.CLAHE(p=0.01),
        A.RandomBrightnessContrast(p=0.0),
        A.RandomGamma(p=0.0),
        A.ImageCompression(quality_range=(75, 100), p=0.0),
    ]
    # ...(후략)...

Transforms 안의 내용을 수정하여 원하는 증강을 추가 or 제거가 가능합니다.

---

2. transform이란?

이미지 하나에 증강(augmentation)을 적용하는 객체 또는 함수

YOLOv8에선 하나의 transform이 아닌, 여러 증강을 순서대로 실행하는 transform 리스트를 Compose([...])로 묶습니다.

---

3. YOLOv8의 기본 transform은 어디서 정의되나?

# 📂위치: ultralytics/data/augment.py
def v8_transforms(dataset, imgsz, hyp, stretch=False):

이 함수가 YOLOv8 학습시 transform 리스트를 구성하며, 마지막 반환하는 Compose([...])가 YOLO 학습 전체에 쓰이는 transforms입니다.

return Compose(
    [
        pre_transform, # Mosaic, Perspective 등
        MixUp(dataset, pre_transform=pre_transform, p=hyp.mixup),
        CutMix(dataset, pre_transform=pre_transform, p=hyp.cutmix),
        Albumentations(p=1.0),
        RandomHSV(hgain=hyp.hsv_h, sgain=hyp.hsv_s, vgain=hyp.hsv_v),
        RandomFlip(direction="vertical", p=hyp.flipud),
        RandomFlip(direction="horizontal", p=hyp.fliplr, flip_idx=flip_idx),
    ]
)  # transforms

v8_transforms() 함수가 Compose()를 반환하며 그 안에 있는 함수들(mosaic, copypaste, MixUP, CutMix, Albumentations, ...)을 차례대로 실행합니다. 

내부적으로도 YOLO 클래스의 .train() 메서드 실행 → DetectionTrainer → get_dataloader() → v8_transforms() 호출되는 방식입니다. 

---

4. 기본 증강 OFF

그래서 저희는 .train() 메서드를 실행할 때 class Albumentaions:의 T = [ ]만 수정해주면 증강 ON/OFF를 쉽게 할 수 있습니다.

# Transforms
T = [
    A.Blur(p=0.0),
    A.MedianBlur(p=0.0),
    A.ToGray(p=0.0),
    A.CLAHE(p=0.0),
    A.RandomBrightnessContrast(brightness_limit=0.3, contrast_limit=0.3, p=0.0),
    A.RandomGamma(gamma_limit=(80, 120), p=0.0),
    A.ImageCompression(quality_range=(50, 100), p=0.0),
]

🎯 이렇게 모든 p=0.0으로 수정해주면, train() 메서드 실행시 출력되는 로그가 아래와 같이 바뀌게 됩니다.

albumentations: 
Initialized 7 Albumentations transforms:
   1) Blur                      p=0.00
   2) MedianBlur                p=0.00
   3) ToGray                    p=0.00
   4) CLAHE                     p=0.00
   5) RandomBrightnessContrast  p=0.00
   6) RandomGamma               p=0.00
   7) ImageCompression          p=0.00

정상적으로 Albumentations가 OFF 되었다는걸 알 수 있습니다.

---

5. 필요 라이브러리 

pip install albumentations>=1.0.3 opencv-python-headless

 ☑️설치 후 다음 명령어로 버전을 확인

python -m pip show albumentations

# result
name: albumentations
version: 1.x.x