自定义数据管道

1. 在一个文件中编写新的变换，例如，在 my_pipeline.py 中。它接收一个字典作为输入，并返回一个字典。

   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
   

2. 在您的配置文件中导入并使用该管道。确保导入相对于您的训练脚本所在位置。

   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')
   ]
   

3. 可视化您的变换管道的输出

   为了可视化您的变换管道的输出，tools/misc/browse_dataset.py 可以帮助用户直观地浏览检测数据集（图像和边界框注释），或将图像保存到指定的目录。更多详细信息可以参考 可视化文档