一、从一次深夜调试说起上周三凌晨两点，我在实验室盯着验证集mAP曲线发愁——模型在密集小目标场景下漏检率突然飙升。可视化了几张失败案例，发现目标重叠、遮挡严重的区域几乎全军覆没。常规的随机裁剪、色彩抖动增强显然不够用了，这时候我想起两个在实战中救过场的数据增强策略：Copy-Paste和GridMask。这两个方法都不是新东西，但在RT-DETR这种基于Transformer的检测器上，它们的组合使用有些细节需要特别注意。今天就把我在项目里实际调试的笔记整理出来，尤其要说说那些容易踩坑的地方。二、Copy-Paste增强：不只是复制粘贴核心思想其实很直观：从训练集中随机复制一些目标实例，粘贴到其他训练图像上。但实现起来远比想象中复杂。defcopy_paste_aug(image,boxes,labels,paste_rate=