教程 3: 自定义数据流程¶

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']),
]