FasterRCNN源码解析（四）——GeneralizedRCNNTransform部分

FasterRCNN源码解析（四）——GeneralizedRCNNTransform部分

---

前言

主要是对框架中对数据进行预处理的类进行解读，重点在于数据集以及标签的转化上进行剖析

一、前期训练部分

在我们train_res50_fpn.py脚本中，我们先通过读取解析PASCAL VOC2012数据集一文中的VOC2012DataSet类来获取我们的数据集

# load train data set
# VOCdevkit -> VOC2012 -> ImageSets -> Main -> train.txt
train_data_set = VOC2012DataSet(VOC_root, data_transform["train"], "train.txt")

然后我们对获得的数据用torch.utils.data.DataLoader进行载入，batch_size设为2，其中train_data_set.collate_fn方法是将我们的数据集 img和target 各自打包放在一起

	train_data_loader = torch.utils.data.DataLoader(train_data_set,
                                                    batch_size=batch_size,
                                                    shuffle=True,
                                                    num_workers=nw,
                                                    collate_fn=train_data_set.collate_fn)

二、GeneralizedRCNNTransform

这一模块的作用就是将图片标准化，并将图片缩放到统一尺大小，经过这一模块之后才得到真正的batch数据

1.标准化处理函数

$(图像数据-均值)/方差$

    def normalize(self, image):
        """标准化处理"""
        dtype, device = image.dtype, image.device
        mean = torch.as_tensor(self.image_mean, dtype=dtype, device=device)
        std = torch.as_tensor(self.image_std, dtype=dtype, device=device)
        # [:, None, None]: shape [3] -> [3, 1, 1]
        return (image - mean[:, None, None]) / std[:, None, None]

2.resize函数

1. 获取缩放因子
2. 对图片进行缩放
3. 对boxes进行缩放

    def resize(self, image, target):
        # type: (Tensor, Optional[Dict[str, Tensor]]) -> Tuple[Tensor, Optional[Dict[str, Tensor]]]
        """
        将图片缩放到指定的大小范围内，并对应缩放bboxes信息
        Args:
            image: 输入的图片
            target: 输入图片的相关信息（包括bboxes信息）

        Returns:
            image: 缩放后的图片
            target: 缩放bboxes后的图片相关信息
        """
        # image shape is [channel, height, width]
        h, w = image.shape[