配置文件中是先做resize还是先做randomcrop

[lengmouling]

- IaaAugment:
    augmenter_args:
    - type: Fliplr
      args:
        p: 0.5
    - type: Affine
      args:
        rotate:
        - 0
        - 0
    - type: Resize
      args:
        size:
        - 0.8
        - 3.0
- EastRandomCropData:
    size:
    - 320
    - 64
    max_tries: 20
    keep_ratio: true

这是ocr检测配置文件的一部分，我想知道EastRandomCropData是在已经进行完原图resize到(0.8.3.0)倍的基础上再去做的吗？
如果我的训练集是不同尺寸的图像，高度在(45,65)范围内，长度有的不超过320，那么这样的训练集是合理的吗？

[GreatV]

根据你的OCR检测配置文件，图像增强和预处理的执行顺序如下：

1. IaaAugment (图像增强)

   • 首先进行Fliplr (水平翻转)，概率为 0.5。
   • 然后执行Affine (仿射变换)，但你的配置中仅设定了旋转角度 [0, 0]，意味着没有实际的旋转变换。
   • 接着执行Resize (缩放变换)，尺寸范围在 [0.8, 3.0] 之间，这意味着原图的尺寸会按照 0.8 到 3.0 倍进行缩放。

2. EastRandomCropData (随机裁剪数据增强)

   • 在 Resize 之后进行，即 EastRandomCropData 作用于已经缩放后的图像。
   • 这里定义的 size: [320, 64] 表示最终的裁剪窗口大小为 320×64。
   • max_tries: 20 表示最多尝试 20 次不同的裁剪窗口，以增强数据的多样性。
   • keep_ratio: true 表示在裁剪时会保持长宽比例，避免图像变形。

关于你的数据集是否合理：

你的训练集包含不同尺寸的图像，高度在 [45, 65] 之间，长度有的超过 320，有的未超过 320。该数据集情况如下：

1. 高度适配性

   • EastRandomCropData 需要裁剪 64 高度，而你的数据是 [45, 65]，意味着部分图像的高度可能达不到 64。
   • 由于 keep_ratio: true，可能部分图像在 resize 之后被拉伸或填充，以适应裁剪的尺寸。
   • 如果很多图像的高度小于 64，建议检查预处理方式，是否允许填充较小的图像。

2. 宽度适配性

   • 如果某些图像宽度小于 320，在裁剪时可能会遇到问题，需确保 keep_ratio: true 在这种情况下不会导致样本丢失。
   • 若训练时确实有较多宽度 < 320 的图像，建议在 Resize 处理时尽量保持宽度远大于 320，然后再交给 EastRandomCropData 进行合理裁剪。

结论：

• EastRandomCropData 作用于已经 resize 过的图像。
• 你的数据集总体上是可以的，但要确保在 resize 过程中没有丢失关键信息，尤其是小于 64 高度的图像。
• 建议你检查keep_ratio 具体的处理方式，确保小宽度或小高度的图像不被过度拉伸或填充。

---

Response generated by 🤖 feifei-bot | chatgpt-4o-latest

⚠️ This is an AI-generated response. Please verify any critical information.