048、YOLOv11数据采样优化——自适应图像采样策略与类别平衡重采样的即插即用模块与性能提升
一个让我失眠三天的bug
去年秋天做工业缺陷检测项目，训练集里正常样本占了85%，剩下的15%分布在12种缺陷类别上。YOLOv11训练了200个epoch，mAP@0.5:0.95卡在0.32死活上不去。翻看训练日志，发现模型对占比0.3%的“划痕”类检测率几乎为零——不是检测不到，是压根没学会这个类长什么样。
当时我第一反应是调loss权重，试了Focal Loss、Class-balanced Loss，效果有提升但有限。后来仔细看了数据加载流程，发现问题出在采样上：每个epoch里，模型看到“划痕”样本的次数不到20次，而正常样本看了上万次。这种极度不平衡下，再好的loss函数也救不了采样策略的缺陷。
采样策略为什么比loss权重更关键
很多人一上来就调loss权重，觉得给稀有类加大惩罚系数就能解决问题。但实际调试中我发现，loss权重只是改变了梯度更新的幅度，而采样策略决定了模型“看到”什么。如果模型连稀有类长什么样都没见过几次，权重再大也只是在没见过的东西上瞎猜。
YOLOv11默认的RandomSampler是均匀采样，每个样本被抽到的概率相等。这在平衡数据集上没问题，但遇到长尾分布，稀有类样本被抽到的概率极低。更隐蔽的问题是，即使你用了WeightedRandomSampler给稀有类加权，训练过程中模型会反复看到同样的几个稀有类样本，导致过拟合——我踩过这个坑，验证集上稀有类mAP突然掉到0.1，就是过拟合的典型信号。
