TensorFlow 对象检测 API:指定多个 data_augmentation_options
TensorFlow Object Detection API: specifying multiple data_augmentation_options
我想知道像这样指定数据扩充之间是否有任何区别:
data_augmentation_options {
random_horizontal_flip {
}
}
data_augmentation_options {
ssd_random_crop {
}
}
或者像这样:
data_augmentation_options {
random_horizontal_flip {
}
ssd_random_crop {
}
}
在对象检测管道文件中?
models repo 中的所有示例都使用第一种格式,但也接受第二种格式。
唯一正确的格式是第一个。
虽然第二个不会破坏管道,但它只会采用第一个指定的选项。
您可以通过检查 model_dir 中创建的 pipeline.config 自己验证这一点。
原因是 data_augmentation_options
的类型 PreprocessingStep
由 oneof preprocessing_step
组成。注意 oneof
.
另一方面,data_augmentation_options
是repeated
,因此您可以指定
data_augmentation_options {
augmentation_option_1 {
}
}
data_augmentation_options {
augmentation_option_2 {
}
}
...
以此类推,想加多少就加多少。
我想知道像这样指定数据扩充之间是否有任何区别:
data_augmentation_options {
random_horizontal_flip {
}
}
data_augmentation_options {
ssd_random_crop {
}
}
或者像这样:
data_augmentation_options {
random_horizontal_flip {
}
ssd_random_crop {
}
}
在对象检测管道文件中?
models repo 中的所有示例都使用第一种格式,但也接受第二种格式。
唯一正确的格式是第一个。
虽然第二个不会破坏管道,但它只会采用第一个指定的选项。
您可以通过检查 model_dir 中创建的 pipeline.config 自己验证这一点。
原因是 data_augmentation_options
的类型 PreprocessingStep
由 oneof preprocessing_step
组成。注意 oneof
.
另一方面,data_augmentation_options
是repeated
,因此您可以指定
data_augmentation_options {
augmentation_option_1 {
}
}
data_augmentation_options {
augmentation_option_2 {
}
}
...
以此类推,想加多少就加多少。