深入浅析对象检测数据增强

Question

我正在尝试使用对象检测API的数据扩充功能。我在配置文件中配置了扩充选项。我在git hub存储库下面使用它。 https://github.com/tensorflow/models/tree/master/research/object_detection

我在配置文件中使用了以下配置。

class LocalMSZ {
    List<String> territories;
}

在下面的 trainer.py 文件中调用方法进行扩充。

data_augmentation_options {
      random_pixel_value_scale {
      minval: 0.6
    }
}

我的问题是预处理后图像数量增加了。如果是，如何验证 t？ tensor_dict长度在预处理之前和之后为12。

Answer 1

模型将要查看的每个步骤的图像数量在配置文件中通过参数batch_size

定义

train_config: {
  batch_size: N
  . . .

无 data_augmentation选项会导致/减少网络正在接收的每步（tensor_dict）图像。 data_augmentation选项只会随机更改原始批次。

可以解释data_augmentation选项有助于增加数据集的有效大小，因为对于相同的图像，网络每次都会收到略微不同的图像版本。 （取决于您使用的实际data_augmentation参数）。