自定义数据预处理流程¶
在任意文件里写一个新的流程,例如在
my_pipeline.py
,它以一个字典作为输入并且输出一个字典:import random from mmcv.transforms import BaseTransform from mmdet.registry import TRANSFORMS @TRANSFORMS.register_module() class MyTransform(BaseTransform): """Add your transform Args: p (float): Probability of shifts. Default 0.5. """ def __init__(self, prob=0.5): self.prob = prob def transform(self, results): if random.random() > self.prob: results['dummy'] = True return results
在配置文件里调用并使用你写的数据处理流程,需要确保你的训练脚本能够正确导入新增模块:
custom_imports = dict(imports=['path.to.my_pipeline'], allow_failed_imports=False) train_pipeline = [ dict(type='LoadImageFromFile'), dict(type='LoadAnnotations', with_bbox=True), dict(type='Resize', scale=(1333, 800), keep_ratio=True), dict(type='RandomFlip', prob=0.5), dict(type='MyTransform', prob=0.2), dict(type='PackDetInputs') ]
可视化数据增强处理流程的结果
如果想要可视化数据增强处理流程的结果,可以使用
tools/misc/browse_dataset.py
直观 地浏览检测数据集(图像和标注信息),或将图像保存到指定目录。 使用方法请参考可视化文档