使用数据增强和对象检测生成的图像数量

Question

我试图在文档、代码和这里搜索答案，但我没有运气。我想知道使用 Tensorflow 中的对象检测 API 进行数据增强生成的图像的最终数量是多少。为了清楚起见，我举了一个例子：假设我有一个包含 2 个类的数据集，每个类最初都有 50 张图像。然后我应用这个配置：

  data_augmentation_options {
    ssd_random_crop {
    }
  }

  data_augmentation_options {
    random_rgb_to_gray {
    }
  }

  data_augmentation_options {
    random_distort_color {
    }
  }

  data_augmentation_options {
    ssd_random_crop_pad_fixed_aspect_ratio {
    }
  }

我如何知道为训练我的模型而生成的最终图像数量？（如果有办法）。顺便说一句，我正在使用 model_main.py 来训练我的模型。

提前致谢。

Answer 1

在文件input.py 中，可以看到函数augment_input_fn中所有数据增强选项都传递给了preprocessor.preprocess方法。详细信息都在文件preprocessor.py 中，特别是在函数中preprocess：

for option in preprocess_options:
  func, params = option
  if func not in func_arg_map:
    raise ValueError('The function %s does not exist in func_arg_map' %
                   (func.__name__))
  arg_names = func_arg_map[func]
  for a in arg_names:
    if a is not None and a not in tensor_dict:
      raise ValueError('The function %s requires argument %s' %
                     (func.__name__, a))

  def get_arg(key):
    return tensor_dict[key] if key is not None else None

  args = [get_arg(a) for a in arg_names]
  if (preprocess_vars_cache is not None and
      'preprocess_vars_cache' in inspect.getargspec(func).args):
    params['preprocess_vars_cache'] = preprocess_vars_cache
  results = func(*args, **params)
  if not isinstance(results, (list, tuple)):
    results = (results,)
  # Removes None args since the return values will not contain those.
  arg_names = [arg_name for arg_name in arg_names if arg_name is not None]
  for res, arg_name in zip(results, arg_names):
    tensor_dict[arg_name] = res

请注意，在上面的代码中，arg_names包含所有原始图像名称，这意味着每个增强选项只会在原始图像上执行（而不是在之前的增强选项之后获得的图像上）。

同样在preprocessor.py 中，我们可以看到每个增强选项只会生成与原始图像形状相同的图像。

因此，在您的情况下，四个选项和 100 张原始图像、400 张增强图像将添加到tensor_dict.