Skip to content

Latest commit

 

History

History
103 lines (81 loc) · 3.5 KB

TRANSFORMS_cn.md

File metadata and controls

103 lines (81 loc) · 3.5 KB

简体中文 | English

训练数据准备

此部分内容主要对数据加载、预处理、格式化和数据增广等进行说明。 整个过程采用一种管道的方式顺序执行，每步操作都允许接收一个dict表，并为下一个转换输出一个dict表。直到所有的管道执行完成，返回最终的dict表。

下面给出YOLOv4有关管道的配置项。

img_scale = 608  
train_pipeline = [  
    dict(  
        type='Mosaic',  
		img_scale=img_scale,  
        transforms=[  
	        dict(type='LoadImageFromFile',to_rgb=True),   
			dict(type='Resize',img_scale=img_scale,letterbox=False),   
			]),
	dict(type='RandomAffine',degrees=0, translate=0, scale=.5, shear=0.0),  
	dict(type='RandomHSV'),  
	dict(type='RandomFlip'),  
	dict(type='Normalize'),  
	dict(type='ImageToTensor'),  
	dict(type='Collect'),  
]  
test_pipeline = [  
  dict(type='LoadImageFromFile',to_rgb=True),  
  dict(type='Resize',img_scale=img_scale,letterbox=True, auto= True,scaleup=True),  
  dict(type='Normalize'),  
  dict(type='ImageToTensor'),  
  dict(type='Collect',keys=['img']),  
]  
  
val_pipeline = [  
  dict(type='LoadImageFromFile',to_rgb=True),  
  dict(type='Resize',img_scale=img_scale,letterbox=True, auto= False,scaleup=False),  
  dict(type='Normalize'),  
  dict(type='ImageToTensor'),  
  dict(type='Collect'),  
]

对于每个操作，列出全部可添加/更新/删除的相关dict字段。

主要字段说明

  • img:数据加载时为原始图片RGB的numpy三维数据，后续有增强，格式化等为处理后的图片numpy三维数据
  • ori_shape:原始图片的大小[h,w,d]
  • img_shape:转换后的图片的大小[h,w,d]
  • gt_bboxes:真值框[x1y1x2y2]，数据加载时，会对数据进行归一化,范围为[0,1]，归一化方式为：x1 = x1/w, y1= y1/h, x2 = x2/w, y2 = y2/h
  • gt_class:类别的索引
  • gt_score:评分，默认为1，如果采用MixUp方式，gt_score值不一定为1

数据加载

LoadImageFromFile

  • 增加: img, img_shape, ori_shape,gt_bboxes, gt_class, gt_score
  • 说明:会从配置文件中加载图片，标签等基本信息

数据预处理

Mosaic

  • 更新: img, img_shape,gt_bboxes, gt_class
  • 说明:mosaic操作会随机拼接四张图片为一张图片

Resize

  • 更新: img, img_shape,gt_bboxes, gt_class
  • letterbox:如果为False 代表等比例缩放，如果为True，图片等比例缩放，图片居中，不足的两条边用灰色（114）填充。
  • auto:此参数在letterbox=True时有效，对于不足的两条边填充大小，auto为True按最小倍数（32）填充够，为False按img_scale填充完整。
  • 说明:Resize，等比例缩放图片。

RandomAffine

  • 更新: img, img_shape,gt_bboxes, gt_class
  • degrees:旋转角度。
  • translate:平移范围。
  • scale:缩放比例。
  • shear:剪切大小。
  • 说明:RandomAffine 随机放射变换，主要包含旋转,缩放,剪切和平移等。

RandomHSV

  • 更新: img
  • 说明:RandomHSV 随机颜色抖动，包含色调，饱和度和曝光度等。

RandomFlip

  • 更新: img,gt_bboxes
  • 说明:RandomFlip 随机翻转。

格式化

Normalize

  • 更新: img
  • 说明:Normalize 图片归一化，范围[0,1]。 RGB各通道颜色值/255。

ImageToTensor

  • 更新: img
  • 说明:ImageToTensor 将图片转换为pytorch Tensor张量，改变为模型输入Input需要的形状[d,h,w]

Collect

  • 添加:img_meta (meta_keys键由meta_keys参数指定)
  • 移除: 移除所有除指定的keys外所有其他keys