使用Tensorflow API的model_main.py进行目标检测时,如果我在pipeline.config的train_config中的data_augmentation_options中使用random_horizontal_flip,那么我的边界框是否也会受到影响?这非常重要,否则这些选项就无法应用。这个链接是相同的问题,但没有得到恰当的回答。
使用Tensorflow API的model_main.py进行目标检测时,如果我在pipeline.config的train_config中的data_augmentation_options中使用random_horizontal_flip,那么我的边界框是否也会受到影响?这非常重要,否则这些选项就无法应用。这个链接是相同的问题,但没有得到恰当的回答。
preprocess_options
是在哪里定义的呢?我甚至找不到调用preprocessor.py的位置。这些相互连接的脚本让我很难导航。我在IDE中进行了“使用搜索”,但它找不到任何使用preprocessor.py以及preprocess
函数的地方。我能够沿着model_main.py中pipeline.config的路径,并跟踪其如何被处理成train_and_eval_dict
,然后通过model_lib.create_train_and_eval_specs
转换为train_spec
,这就是我想象中包含数据扩充信息的地方。 - Jay Carrawaytrain_spec
输入到tf.estimator.train_and_evaluate
中,但我在那里找不到任何有关预处理的信息。 - Jay Carrawayaugment_input_data
接收包含数据(图像、标签等)和数据增强选项的张量,然后在https://github.com/tensorflow/models/blob/master/research/object_detection/inputs.py#L290中应用它们。此函数由`transform_and_pad_input_data_fn`调用,后者直接从训练配置文件中读取数据增强选项,并创建`data_augmentation_fn`,然后将其用作输入数据的所有转换的一部分。 - netanel-sam