数据变换类的迁移¶

简介¶

在 TorchVision 的数据变换类接口约定中，数据变换类需要实现 __call__ 方法，而在 OpenMMLab 1.0 的接口约定中，进一步要求 __call__ 方法的输出应当是一个字典，在各种数据变换中对这个字典进行增删查改。在 OpenMMLab 2.0 中，为了提升后续的可扩展性，我们将原先的 __call__ 方法迁移为 transform 方法，并要求数据变换类应当继承 mmcv.transforms.BaseTransform。具体如何实现一个数据变换类，可以参见文档。

由于在此次更新中，我们将部分共用的数据变换类统一迁移至 MMCV 中，因此本文将会对比这些数据变换在旧版本（MMClassification v0.23.2、MMDetection v2.25.1）和新版本（MMCV v2.0.0rc0）中的功能、用法和实现上的差异。

功能差异¶

	MMClassification (旧)	MMDetection (旧)	MMCV (新)
`LoadImageFromFile`	从 'img_prefix' 和 'img_info.filename' 字段组合获得文件路径并读取	从 'img_prefix' 和 'img_info.filename' 字段组合获得文件路径并读取，支持指定通道顺序	从 'img_path' 获得文件路径并读取，支持指定加载失败不报错，支持指定解码后端
`LoadAnnotations`	无	支持读取 bbox，label，mask（包括多边形样式），seg map，转换 bbox 坐标系	支持读取 bbox，label，mask（不包括多边形样式），seg map
`Pad`	填充 "img_fields" 中所有字段，不支持指定填充至整数倍	填充 "img_fields" 中所有字段，支持指定填充至整数倍	填充 "img" 字段，支持指定填充至整数倍
`CenterCrop`	裁切 "img_fields" 中所有字段，支持以 EfficientNet 方式进行裁切	无	裁切 "img" 字段的图像，"gt_bboxes" 字段的 bbox，"gt_seg_map" 字段的分割图，"gt_keypoints" 字段的关键点，支持自动填充裁切边缘
`Normalize`	图像归一化	无差异	无差异，但 MMEngine 推荐在数据预处理器中进行归一化
`Resize`	缩放 "img_fields" 中所有字段，允许指定根据某边长等比例缩放	功能由 `Resize` 实现。需要 `ratio_range` 为 None，`img_scale` 仅指定一个尺寸，且 `multiscale_mode` 为 "value" 。	缩放 "img" 字段的图像，"gt_bboxes" 字段的 bbox，"gt_seg_map" 字段的分割图，"gt_keypoints" 字段的关键点，支持指定缩放比例，支持等比例缩放图像至指定尺寸内
`RandomResize`	无	功能由 `Resize` 实现。需要 `ratio_range` 为 None，`img_scale`指定两个尺寸，且 `multiscale_mode` 为 "range"，或 `ratio_range` 不为 None。 Resize( img_sacle=[(640, 480), (960, 720)], mode="range", )	缩放功能同 `Resize`，支持从指定尺寸范围或指定比例范围随机采样缩放尺寸。 RandomResize(scale=[(640, 480), (960, 720)])
`RandomChoiceResize`	无	功能由 `Resize` 实现。需要 `ratio_range` 为 None，`img_scale` 指定多个尺寸，且 `multiscale_mode` 为 "value"。 Resize( img_sacle=[(640, 480), (960, 720)], mode="value", )	缩放功能同 `Resize`，支持从若干指定尺寸中随机选择缩放尺寸。 RandomChoiceResize(scales=[(640, 480), (960, 720)])
`RandomGrayscale`	灰度化 "img_fields" 中所有字段，灰度化后保持通道数。	无	灰度化 "img" 字段，支持指定灰度化权重，支持指定是否在灰度化后保持通道数（默认不保持）。
`RandomFlip`	翻转 "img_fields" 中所有字段，支持指定水平或垂直翻转。	翻转 "img_fields", "bbox_fields", "mask_fields", "seg_fields" 中所有字段，支持指定水平、垂直或对角翻转，支持指定各类翻转概率。	翻转 "img", "gt_bboxes", "gt_seg_map", "gt_keypoints" 字段，支持指定水平、垂直或对角翻转，支持指定各类翻转概率。
`MultiScaleFlipAug`	无	用于测试时增强	使用 `TestTimeAug`
`ToTensor`	将指定字段转换为 `torch.Tensor`	无差异	无差异
`ImageToTensor`	将指定字段转换为 `torch.Tensor`，并调整通道顺序至 CHW。	无差异	无差异

实现差异¶

以 RandomFlip 为例，MMCV 的 RandomFlip 相比旧版 MMDetection 的 RandomFlip，需要继承 BaseTransfrom，将功能实现放在 transforms 方法，并将生成随机结果的部分放在单独的方法中，用 cache_randomness 包装。有关随机方法的包装相关功能，参见相关文档。

MMDetection (旧）

class RandomFlip:
    def __call__(self, results):
        """调用时进行随机翻转"""
        ...
        # 随机选择翻转方向
        cur_dir = np.random.choice(direction_list, p=flip_ratio_list)
        ...
        return results

MMCV

class RandomFlip(BaseTransfrom):
    def transform(self, results):
        """调用时进行随机翻转"""
        ...
        cur_dir = self._random_direction()
        ...
        return results

    @cache_randomness
    def _random_direction(self):
        """随机选择翻转方向"""
        ...
        return np.random.choice(direction_list, p=flip_ratio_list)