图像水平翻转后，汽车到了右侧，标注框却仍留在左侧。图像与标签相互矛盾，训练便会受影响。读完本文，你可以检查标注坐标、验证增强是否同步修改标签，并识别训练集与验证集的近重复泄漏。本文从宽 100 像素的示意图入手，演示矩形框翻转的坐标变换，并解释划分和标注口径为何影响评估可信度。示例只用 Python 标准库，不依赖在线数据。你可以直接运行，分别检查正常框和越界框。文章目录图像翻转了，标注框为什么还在原位核心概念与工作机制标注口径与坐标约定数据划分先于随机增强标注与增强的区别最小示例环境与准备工作流程图完整代码或操作命令运行步骤与预期输出验证结果常见误区与适用边界总结图像翻转了，标注框为什么还在原位设一张图宽 100 像素，汽车框为(10, 20, 30, 40)。水平翻转后，汽车应移到图像右侧，新框为(70, 20, 90, 40)。若只翻转像素、不翻转框，输入和标签就会指向不同位置。数据项增强前水平翻转后图像中的汽车左侧右侧正确标注框(10, 20, 30, 40)(70, 20, 90, 40)错误做法原框与原图一致仍使用原框，标签错位核心概念与工作机制标注口径与坐标约定标注不只是画框，还要确定类别字典、难例处理和坐标含义。本文使用像素坐标的半开区间(x1, y1, x2, y2)；如果数据格式存的是中心点、宽高或归一化坐标，必须先明确转换规则。分割任务的掩膜和关键点也要随图像执行同一种几何变换。数据划分先于随