数据流程的设计
按照通常的惯例，我们使用 Dataset 和 DataLoader 做多线程的数据加载。Dataset 返回一个数据内容的字典，里面对应于模型前传方法的各个参数。
因为在语义分割中，输入的图像数据具有不同的大小，我们在 MMCV 里引入一个新的 DataContainer 类别去帮助收集和分发不同大小的输入数据。
更多细节，请查看这里 。
数据的准备流程和数据集是解耦的。通常一个数据集定义了如何处理标注数据（annotations）信息，而一个数据流程定义了准备一个数据字典的所有步骤。一个流程包括了一系列操作，每个操作里都把一个字典作为输入，然后再输出一个新的字典给下一个变换操作。
这些操作可分为数据加载 (data loading)，预处理 (pre-processing)，格式变化 (formatting) 和测试时数据增强 (test-time augmentation)。
下面的例子就是 PSPNet 的一个流程：
img_norm_cfg = dict( mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True) crop_size = (512, 1024) train_pipeline = [ dict(type='LoadImageFromFile'), dict(type='LoadAnnotations'), dict(type='Resize', img_scale=(2048, 1024), ratio_range=(0.5, 2.0)), dict(type='RandomCrop', crop_size=crop_size, cat_max_ratio=0.75), dict(type='RandomFlip', flip_ratio=0.5), dict(type='PhotoMetricDistortion'), dict(type='Normalize', **img_norm_cfg), dict(type='Pad', size=crop_size, pad_val=0, seg_pad_val=255), dict(type='DefaultFormatBundle'), dict(type='Collect', keys=['img', 'gt_semantic_seg']), ] test_pipeline = [ dict(type='LoadImageFromFile'), dict( type='MultiScaleFlipAug', img_scale=(2048, 1024), # img_ratios=[0.5, 0.75, 1.0, 1.25, 1.5, 1.75], flip=False, transforms=[ dict(type='Resize', keep_ratio=True), dict(type='RandomFlip'), dict(type='Normalize', **img_norm_cfg), dict(type='ImageToTensor', keys=['img']), dict(type='Collect', keys=['img']), ]) ]
对于每个操作，我们列出它添加、更新、移除的相关字典域 (dict fields)：
数据加载 Data loading
LoadImageFromFile
- 增加: img, img_shape, ori_shape
LoadAnnotations
- 增加: gt_semantic_seg, seg_fields
预处理 Pre-processing
Resize
- 增加: scale, scale_idx, pad_shape, scale_factor, keep_ratio
- 更新: img, img_shape, *seg_fields
RandomFlip
- 增加: flip
- 更新: img, *seg_fields
Pad
- 增加: pad_fixed_size, pad_size_divisor
- 更新: img, pad_shape, *seg_fields
RandomCrop
- 更新: img, pad_shape, *seg_fields
Normalize
- 增加: img_norm_cfg
- 更新: img
SegRescale
- 更新: gt_semantic_seg
PhotoMetricDistortion
- 更新: img
格式 Formatting
ToTensor
- 更新: 由
keys指定
ImageToTensor
- 更新: 由
keys指定
Transpose
- 更新: 由
keys指定
ToDataContainer
- 更新: 由
keys指定
DefaultFormatBundle
- 更新: img, gt_semantic_seg
Collect
- 增加: img_meta (the keys of img_meta is specified by
meta_keys) - 移除: all other keys except for those specified by
keys
测试时数据增强 Test time augmentation
MultiScaleFlipAug
拓展和使用自定义的流程
- 在任何一个文件里写一个新的流程，例如
my_pipeline.py，它以一个字典作为输入并且输出一个字典
from mmseg.datasets import PIPELINES @PIPELINES.register_module() class MyTransform: def __call__(self, results): results['dummy'] = True return results
- 导入一个新类
from .my_pipeline import MyTransform
- 在配置文件里使用它
img_norm_cfg = dict( mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True) crop_size = (512, 1024) train_pipeline = [ dict(type='LoadImageFromFile'), dict(type='LoadAnnotations'), dict(type='Resize', img_scale=(2048, 1024), ratio_range=(0.5, 2.0)), dict(type='RandomCrop', crop_size=crop_size, cat_max_ratio=0.75), dict(type='RandomFlip', flip_ratio=0.5), dict(type='PhotoMetricDistortion'), dict(type='Normalize', **img_norm_cfg), dict(type='Pad', size=crop_size, pad_val=0, seg_pad_val=255), dict(type='MyTransform'), dict(type='DefaultFormatBundle'), dict(type='Collect', keys=['img', 'gt_semantic_seg']), ]
