对于使用 model_main.py 通过 Tensorflow API 进行对象检测，当我在 pipeline.config 的 data_augmentation_options 中使用 random_horizontal_flip 时，我的边界框是否也会受到影响？这非常重要，否则这些选项将不适用。 This 是同一个问题，但没有正确回答。
【问题讨论】：
标签： tensorflow object-detection bounding-box data-augmentation
【讨论】：
random_horizontal_flip 的部分。你知道这到底发生在哪里吗？
func 是一个预处理函数（迭代所有preprocess_options），args 是预处理函数的参数，例如图像、边界框、掩码等。params 是预处理函数的参数，例如缩放比例、裁剪参数等。在random_horizontal_flip 的情况下，没有有趣的（关键点排列）。
preprocess_options 是在哪里定义的？我什至找不到调用 preprocessor.py 的地方。我很难浏览所有这些连接的脚本。我用我的 IDE 进行了“用法搜索”，它找不到 preprocessor.py 以及 preprocess 函数的任何用法。我可以按照 model_main.py 中 pipeline.config 的路径，并将其处理为train_and_eval_dict，然后通过model_lib.create_train_and_eval_specs 进入train_spec，我认为数据增强的信息是。
train_spec 输入tf.estimator.train_and_evaluate，但我在那里找不到任何关于预处理的信息。
augment_input_data 接收包含数据（图像、标签等）和增强选项的张量，然后将它们应用到github.com/tensorflow/models/blob/master/research/…。此函数由transform_and_pad_input_data_fn 调用，它直接从训练配置文件中读取数据增强选项，并创建data_augmentation_fn，然后将其用作对输入数据的所有转换的一部分。