單尺度訓(xùn)練

train_pipeline = [
    ......
    dict(
        type='Resize',
        img_scale=(1333, 800),
        keep_ratio=True),
    ......
    dict(type='Pad', size_divisor=32),
]

max_long_edge = max(img_scale)
max_short_edge = min(img_scale)# 取值方式: 大值/長邊 小值/短邊 誰的比值小 按誰來計算縮放比例
scale_factor = min(max_long_edge / max(h, w), max_short_edge / min(h, w))

假設(shè)我的真實圖片大小是(400, 600),那么按照上面的方式1333/600 = 2.22， 800/400=2，顯然，按照800的縮放系數(shù)更小，因此以800的縮放系數(shù)為基準(zhǔn)resize。那么就有(4002, 6002) -> （800， 1200） ，此時shape(400, 600)的圖片，被resize成了 (800, 1200)，這樣操作的好處是圖片在被resize的同時，盡量靠近原圖的大小。

pad_h = int(np.ceil(img.shape[0] / divisor)) * divisor
pad_w = int(np.ceil(img.shape[1] / divisor)) * divisor

經(jīng)過pad操作之后，將（800，1200）變成了(800, 1216)，這步操作的目的是避免卷積時，特征損失。

keep_ratio=False時，直接按照config配置中的img_scale來縮放圖片，大值代表長邊，小值代表短邊，不會保持原有圖片比例。

多尺度訓(xùn)練

train_pipeline = [
    ......
    dict(
        type='Resize',
        img_scale=[(1333, 640), (1333, 800), (600，1080), (1200, 1000)， (416,700)],
        multiscale_mode='value',
        # multiscale_mode='range', 
        keep_ratio=True),
    ......
]

value模式相當(dāng)于隨機去一個作為img_scale

    elif self.multiscale_mode == 'range':
            scale, scale_idx = self.random_sample(self.img_scale)

    def random_select(img_scales):
        assert mmcv.is_list_of(img_scales, tuple)
        scale_idx = np.random.randint(len(img_scales))
        img_scale = img_scales[scale_idx]
        return img_scale, scale_idx

range模式比較常用，我們一般長邊放開，短邊取個范圍，比如400~800，就是[(1333, 400), (1333, 800)]

    elif self.multiscale_mode == 'value':
            scale, scale_idx = self.random_select(self.img_scale)

    def random_sample(img_scales):
        assert mmcv.is_list_of(img_scales, tuple) and len(img_scales) == 2
        img_scale_long = [max(s) for s in img_scales]
        img_scale_short = [min(s) for s in img_scales]
        long_edge = np.random.randint(
            min(img_scale_long),
            max(img_scale_long) + 1)
        short_edge = np.random.randint(
            min(img_scale_short),
            max(img_scale_short) + 1)
        img_scale = (long_edge, short_edge)
        return img_scale, None

從以上源代碼可以看出最終的長邊是類似range(1333, 1333)，短邊是range(400, 800)

單尺度測試

和單尺度訓(xùn)練一樣

多尺度測試

可參考 https://github.com/open-mmlab/mmdetection/issues/135

test_pipeline = [
    ......
    dict(
        type='Resize',
        img_scale=[(1333, 640), (1333, 800), (600，1080), (1200, 1000)， (416,700)],
        multiscale_mode='value',
        keep_ratio=True),
    ......
]

此時就不是隨機選取了，是依次選取的，

選取策略

如果不是特殊情況，train和test都這么設(shè)置，這么設(shè)置是因為一般圖片都是矩形，且圖片大的話對小目標(biāo)有增益，因此短邊可以給幾個和數(shù)據(jù)集短邊差不多的值，可以偏大點，但考慮到train的速度,600到 800比較合適，coco上基本上長邊取1333，如果數(shù)據(jù)集比較很長 沒有極端長寬比，也可以長邊設(shè)為很大比如2000，起到長邊不固定的效果。

img_scale=[(1333, 640), (1333, 672), (1333, 704), (1333, 736),
                   (1333, 768), (1333, 800)],
multiscale_mode='value'