參考：自定義數據預處理流程 — MMDetection3D 1.4.0 文檔

數據預處理流程的設計

預處理流程中的各項操作主要分為數據加載、預處理、格式化、測試時的數據增強。

接下來將展示一個用于 PointPillars 模型的數據集預處理流程的例子。

train_pipeline = [dict(type='LoadPointsFromFile',load_dim=5,use_dim=5,backend_args=backend_args),dict(type='LoadPointsFromMultiSweeps',sweeps_num=10,backend_args=backend_args),dict(type='LoadAnnotations3D', with_bbox_3d=True, with_label_3d=True),dict(type='GlobalRotScaleTrans',rot_range=[-0.3925, 0.3925],scale_ratio_range=[0.95, 1.05],translation_std=[0, 0, 0]),dict(type='RandomFlip3D', flip_ratio_bev_horizontal=0.5),dict(type='PointsRangeFilter', point_cloud_range=point_cloud_range),dict(type='ObjectRangeFilter', point_cloud_range=point_cloud_range),dict(type='ObjectNameFilter', classes=class_names),dict(type='PointShuffle'),dict(type='DefaultFormatBundle3D', class_names=class_names),dict(type='Collect3D', keys=['points', 'gt_bboxes_3d', 'gt_labels_3d'])
]
test_pipeline = [dict(type='LoadPointsFromFile',load_dim=5,use_dim=5,backend_args=backend_args),dict(type='LoadPointsFromMultiSweeps',sweeps_num=10,backend_args=backend_args),dict(type='MultiScaleFlipAug',img_scale=(1333, 800),pts_scale_ratio=1.0,flip=False,pcd_horizontal_flip=False,pcd_vertical_flip=False,transforms=[dict(type='GlobalRotScaleTrans',rot_range=[0, 0],scale_ratio_range=[1., 1.],translation_std=[0, 0, 0]),dict(type='RandomFlip3D'),dict(type='PointsRangeFilter', point_cloud_range=point_cloud_range),dict(type='DefaultFormatBundle3D',class_names=class_names,with_label=False),dict(type='Collect3D', keys=['points'])])
]

對于每項操作，我們將列出相關的被添加/更新/移除的字典項。

數據加載

LoadPointsFromFile

• 添加：points

LoadPointsFromMultiSweeps

• 更新：points

LoadAnnotations3D

• 添加：gt_bboxes_3d, gt_labels_3d, gt_bboxes, gt_labels, pts_instance_mask, pts_semantic_mask, bbox3d_fields, pts_mask_fields, pts_seg_fields

預處理

GlobalRotScaleTrans

• 添加：pcd_trans, pcd_rotation, pcd_scale_factor

• 更新：points, *bbox3d_fields

RandomFlip3D

• 添加：flip, pcd_horizontal_flip, pcd_vertical_flip

• 更新：points, *bbox3d_fields

PointsRangeFilter

• 更新：points

ObjectRangeFilter

• 更新：gt_bboxes_3d, gt_labels_3d

ObjectNameFilter

• 更新：gt_bboxes_3d, gt_labels_3d

PointShuffle

• 更新：points

PointsRangeFilter

• 更新：points

格式化

DefaultFormatBundle3D

• 更新：points, gt_bboxes_3d, gt_labels_3d, gt_bboxes, gt_labels

Collect3D

• 添加：img_meta （由?meta_keys?指定的鍵值構成的 img_meta）

• 移除：所有除?keys?指定的鍵值以外的其他鍵值

測試時的數據增強

MultiScaleFlipAug

• 更新: scale, pcd_scale_factor, flip, flip_direction, pcd_horizontal_flip, pcd_vertical_flip （與這些指定的參數對應的增強后的數據列表）

擴展并使用自定義數據集預處理方法

1. 在任意文件中寫入新的數據集預處理方法，如?my_pipeline.py，該預處理方法的輸入和輸出均為字典

   from mmdet.datasets import PIPELINES@PIPELINES.register_module()
   class MyTransform:def __call__(self, results):results['dummy'] = Truereturn results

2. 導入新的預處理方法類

   from .my_pipeline import MyTransform

3. 在配置文件中使用該數據集預處理方法

   train_pipeline = [dict(type='LoadPointsFromFile',load_dim=5,use_dim=5,backend_args=backend_args),dict(type='LoadPointsFromMultiSweeps',sweeps_num=10,backend_args=backend_args),dict(type='LoadAnnotations3D', with_bbox_3d=True, with_label_3d=True),dict(type='GlobalRotScaleTrans',rot_range=[-0.3925, 0.3925],scale_ratio_range=[0.95, 1.05],translation_std=[0, 0, 0]),dict(type='RandomFlip3D', flip_ratio_bev_horizontal=0.5),dict(type='PointsRangeFilter', point_cloud_range=point_cloud_range),dict(type='ObjectRangeFilter', point_cloud_range=point_cloud_range),dict(type='ObjectNameFilter', classes=class_names),dict(type='MyTransform'),dict(type='PointShuffle'),dict(type='DefaultFormatBundle3D', class_names=class_names),dict(type='Collect3D', keys=['points', 'gt_bboxes_3d', 'gt_labels_3d'])
   ]