Tensorflow 对象检测中的数据增强 API
Data Augmentation in Tensorflow Object Detection API
在配置文件中,我们给出了默认的增强选项,如下所示。
data_augmentation_options {
random_horizontal_flip {
}
}
但我想知道它是如何与训练图像给出的边界框(地面真值框)值一起工作的。所以我查看了 preprocessor.py,random_horizontal_flip() 采用 'boxes=None' 参数。由于配置文件中没有给出参数,我假设这个翻转在进行随机水平翻转时不考虑边界框。
我的问题是在上面显示的代码片段部分的配置文件中使用什么参数来添加边界框的值。
盒子也会翻转。如果您查看预处理器文件,您会注意到一个映射,它定义了张量字典的哪些输入将被传递到预处理函数中。 groundtruth 框被传递到 random_horizontal_flip.
在配置文件中,我们给出了默认的增强选项,如下所示。
data_augmentation_options {
random_horizontal_flip {
}
}
但我想知道它是如何与训练图像给出的边界框(地面真值框)值一起工作的。所以我查看了 preprocessor.py,random_horizontal_flip() 采用 'boxes=None' 参数。由于配置文件中没有给出参数,我假设这个翻转在进行随机水平翻转时不考虑边界框。
我的问题是在上面显示的代码片段部分的配置文件中使用什么参数来添加边界框的值。
盒子也会翻转。如果您查看预处理器文件,您会注意到一个映射,它定义了张量字典的哪些输入将被传递到预处理函数中。 groundtruth 框被传递到 random_horizontal_flip.