数据预处理

UP 支持多种数据增广和前处理，常用数据增广包括Flip，Resize等； 前处理包括Normalization，To_Tenser，Pad。 细节如下所示：

UP 在配置文件中直接引入增广：

Flip:

flip: &flip
  type: flip
  kwargs:
    flip_p: 0.5

Resize:

resize: &train_resize
  type: keep_ar_resize
  kwargs:
    scales: [640, 672, 704, 736, 768, 800]
    max_size: 1333
    separate_wh: True

Normalization:

normalize: &normalize
  type: normalize
  kwargs:
    mean: [0.485, 0.456, 0.406] # ImageNet pretrained statics
    std: [0.229, 0.224, 0.225]

ToTensor:

to_tensor: &to_tensor
  type: to_tensor

RandAug: 随机从给定的增强序列中抽取n个增强操作，并根据给定的m值和方差std来决定增强的强度

random_augmentation: &random_augmentation
  type: torch_random_augmentation
  kwargs:
    n: 2  # 随机抽取的增强个数
    m: 7  # 每个增强操作的强度，最高为10
    magnitude_std: 0.5  # 强度的方差

RandAug Increasing: 原始的RandAug中有些操作，m值越小，增强的程度越大，Inceasing版本则是将所有的增强操作统一为m越大增强的强度越大

random_augmentation: &random_augmentation
  type: torch_random_augmentationIncre
  kwargs:
    n: 2  # 随机抽取的增强个数
    m: 7  # 每个增强操作的强度，最高为10
    magnitude_std: 0.5  # 强度的方差

BatchPad: 经常被直接加入到 dataloader 的配置文件中。

dataloader:
  type: base
  kwargs:
    num_workers: 4
    alignment: 32
    pad_value: 0
    pad_type: batch_pad

所有的增广都需要被加入 dataset.kwargs.transformer，如下所示：

dataset:
  type: coco
  kwargs:
    meta_file: coco/annotations/instances_train2017.json
    image_reader:
      type: fs_opencv
      kwargs:
        image_dir: coco/train2017
        color_mode: RGB
    transformer: [*flip, *train_resize, *to_tensor, *normalize]   # add here in order