Tensorflow 对象检测 api：如何使用 imgaug 进行增强？答案

【问题标题】：Tensorflow object detection api: how to use imgaug for augmentation?Tensorflow 对象检测 api：如何使用 imgaug 进行增强？
【发布时间】：2020-01-15 13:46:44
【问题描述】：

我一直在使用imgaug 手动滚动增强器，因为我真的很喜欢options that are not available in the tf object detection api 中的一些。例如，我使用运动模糊是因为我的很多数据都包含快速移动的模糊对象。

如何最好地将我的增强序列与 api 集成以进行即时训练？

例如，假设我有一个增强器：

aug = iaa.SomeOf((0, 2), 
                 [iaa.Fliplr(0.5), iaa.Flipud(0.5), iaa.Affine(rotate=(-10, 10))])

有没有办法配置对象检测 api 来处理这个问题？

我目前正在做的是使用 imgaug 来生成（增强的）训练数据，然后从这个增强管道的每次迭代中创建 tfrecord 文件。这是非常低效的，因为我在训练期间将大量数据保存到磁盘而不是即时运行增强。

【问题讨论】：

原则上你可以修改预处理函数来添加你想要的转换，但问题是库在 NumPy 中实现了增强，而 TF 对象检测 API 中的增强是在 TensorFlow 中实现的。所以你必须使用tf.py_func之类的东西，这可能不是很有效。
坦率地说，如果有人有使用 tf.py_func 的解决方案，那就太好了。这会比我现在做的更有效率。我一直在看preprocessing.py 模块，也许这就是推动这个的地方。，
您希望进行哪些增强操作？是否可以在 TF 中实现它们？
其中一个重要的就是运动模糊，其他的大部分都是相当标准的。我想一个新问题是如何以与对象检测 api 集成的方式在 TF 中实现一个？我认为它在preprocessing.py。坦率地说，我希望将 imgaug 与 TF api 集成起来很简单，以为我只是错过了一些标准技巧。
一种方法是生成一个只有 imgaug 的新数据集并关闭 tf 的在线训练增强

标签： tensorflow object-detection-api data-augmentation

【解决方案1】：

有人为此做了一个回购：
https://github.com/JinLuckyboy/TensorFlowObjectDetectionAPI-with-imgaug

对不起，这不是一个代码答案，我还没有真正研究过，所以我不会将此标记为正式回答。如果我有机会测试它，我会告诉人们。

【讨论】：