数据增强扩充

[sevenandseven]

功能描述

把马赛克数据增强和mixup等数据增强方式放入

用例

你好，我想把马赛克数据增强和mixup等数据增强方式放入代码中，看他检测效果怎么样，我应该怎么添加代码？

补充信息

No response

[xiuqhou]

Hi @sevenandseven
我在代码已经集成了Mosaic和Mixup数据增强，以及优化后的CachedMosaic和CachedMixup，在定义数据增强的时候使用就可以了（参考下方代码），不需要更改其他代码。推荐使用CachedMosaic和CachedMixup，这两个效率更快。

mosaic_mixup = T.Compose([
    T.RandomHorizontalFlip(),
    Mosaic(p=1.0),  # Mosaic p是随机增强的概率
    MixUp(p=1.0),  # Mixup
    T.PILToTensor(),
    T.ConvertImageDtype(torch.float),
    T.Normalize(mean=(0.485, 0.456, 0.406), std=(0.229, 0.224, 0.225)),
    T.SanitizeBoundingBox(labels_getter=labels_getter),
])

我也在transforms/presets.py文件中给出了几个示例（mosaic、cached_mosaic、mixup、cached_mixup、mixup_mosaic、cached_mixup_mosaic、mosaic_mixup、cached_mosaic_mixup），参考这些您可以用mosaic和mixup来自定义其他的数据增强，然后在configs/train_config.py中使用。

训练前可以用tools/visualize_datasets.py可视化数据增强的结果，下面是一些示例代码和产生的可视化结果：

CachedMosaic:

python tools/visualize_datasets.py --coco-img data/coco/val2017 --coco-ann data/coco/annotations/instances_val2017.json --transform cached_mosaic --show-dir visualization/coco_mosaic --font-scale 0.5 --text-alpha 0.7

CachedMixup:

python tools/visualize_datasets.py --coco-img data/coco/val2017 --coco-ann data/coco/annotations/instances_val2017.json --transform cached_mixup --show-dir visualization/coco_mixup --font-scale 0.5 --text-alpha 0.7

同时使用CachedMosaic和CachedMixup:

python tools/visualize_datasets.py --coco-img data/coco/val2017 --coco-ann data/coco/annotations/instances_val2017.json --transform cached_mosaic_mixup --show-dir visualization/coco --font-scale 0.5 --text-alpha 0.7

上面这行命令在COCO数据集上应用了transforms/presets.py中定义的cached_mosaic_mixup数据增强，可视化结果如下：