データ変換 (更新が必要)

データ変換パイプラインの設計

一般的な慣例に従い、複数ワーカーによるデータ読み込みに `Dataset` と `DataLoader` を使用します。 `Dataset` は、モデルの順方向メソッドの引数に対応するデータ項目の辞書を返します。

データ変換パイプラインとデータセットは分離されています。通常、データセットはアノテーションの処理方法を定義し、データ変換パイプラインはデータ辞書を準備するためのすべての手順を定義します。パイプラインは、一連のデータ変換で構成されます。各操作は辞書を入力として受け取り、次の変換のために辞書を出力します。

以下の図に、典型的なパイプラインを示します。青いブロックはパイプライン操作です。パイプラインが進むにつれて、各演算子は結果辞書に新しいキー（緑色でマーク）を追加したり、既存のキー（オレンジ色でマーク）を更新したりできます。

Faster R-CNN のパイプライン例を以下に示します。

train_pipeline = [  # Training data processing pipeline
    dict(type='LoadImageFromFile', backend_args=backend_args),  # First pipeline to load images from file path
    dict(
        type='LoadAnnotations',  # Second pipeline to load annotations for current image
        with_bbox=True),  # Whether to use bounding box, True for detection
    dict(
        type='Resize',  # Pipeline that resize the images and their annotations
        scale=(1333, 800),  # The largest scale of image
        keep_ratio=True  # Whether to keep the ratio between height and width
        ),
    dict(
        type='RandomFlip',  # Augmentation pipeline that flip the images and their annotations
        prob=0.5),  # The probability to flip
    dict(type='PackDetInputs')  # Pipeline that formats the annotation data and decides which keys in the data should be packed into data_samples
]
test_pipeline = [  # Testing data processing pipeline
    dict(type='LoadImageFromFile', backend_args=backend_args),  # First pipeline to load images from file path
    dict(type='Resize', scale=(1333, 800), keep_ratio=True),  # Pipeline that resize the images
    dict(
        type='PackDetInputs',  # Pipeline that formats the annotation data and decides which keys in the data should be packed into data_samples
        meta_keys=('img_id', 'img_path', 'ori_shape', 'img_shape',
                   'scale_factor'))
]