mmpretrain/docs/zh_CN/useful_tools/dataset_visualization.md

数据集可视化

数据集可视化工具简介

python tools/visualization/browse_dataset.py \
    ${CONFIG_FILE} \
    [-o, --output-dir ${OUTPUT_DIR}] \
    [-p, --phase ${DATASET_PHASE}] \
    [-n, --show-number ${NUMBER_IMAGES_DISPLAY}] \
    [-i, --show-interval ${SHOW_INTERRVAL}] \
    [-m, --mode ${DISPLAY_MODE}] \
    [-r, --rescale-factor ${RESCALE_FACTOR}] \
    [-c, --channel-order ${CHANNEL_ORDER}] \
    [--cfg-options ${CFG_OPTIONS}]

所有参数的说明：

• config : 模型配置文件的路径。
• -o, --output-dir: 保存图片文件夹，如果没有指定，默认为 '',表示不保存。
• -p, --phase: 可视化数据集的阶段，只能为 ['train', 'val', 'test'] 之一，默认为 'train'。
• -n, --show-number: 可视化样本数量。如果没有指定，默认展示数据集的所有图片。
• -i, --show-interval: 浏览时，每张图片的停留间隔，单位为秒。
• -m, --mode: 可视化的模式，只能为 ['original', 'transformed', 'concat', 'pipeline'] 之一。 默认为'transformed'.
• -r, --rescale-factor: 对可视化图片的放缩倍数，在图片过大或过小时设置。
• -c, --channel-order: 图片的通道顺序，为 ['BGR', 'RGB'] 之一，默认为 'BGR'。
• --cfg-options : 对配置文件的修改，参考学习配置文件。

1. `-m, --mode` 用于设置可视化的模式，默认设置为 'transformed'。
- 如果 `--mode` 设置为 'original'，则获取原始图片；
- 如果 `--mode` 设置为 'transformed'，则获取预处理后的图片；
- 如果 `--mode` 设置为 'concat'，获取原始图片和预处理后图片拼接的图片；
- 如果 `--mode` 设置为 'pipeline'，则获得数据流水线所有中间过程图片。

2. `-r, --rescale-factor` 在数据集中图片的分辨率过大或者过小时设置。比如在可视化 CIFAR 数据集时，由于图片的分辨率非常小，可将 `-r, --rescale-factor` 设置为 10。

如何可视化原始图像

使用 'original' 模式 ：

python ./tools/visualization/browse_dataset.py ./configs/resnet/resnet101_8xb16_cifar10.py --phase val --output-dir tmp --mode original --show-number 100 --rescale-factor 10 --channel-order RGB

• --phase val: 可视化验证集, 可简化为 -p val;
• --output-dir tmp: 可视化结果保存在 "tmp" 文件夹, 可简化为 -o tmp;
• --mode original: 可视化原图, 可简化为 -m original;
• --show-number 100: 可视化100张图，可简化为 -n 100;
• --rescale-factor: 图像放大10倍，可简化为 -r 10;
• --channel-order RGB: 可视化图像的通道顺序为 "RGB", 可简化为 -c RGB。

如何可视化处理后图像

使用 'transformed' 模式：

python ./tools/visualization/browse_dataset.py ./configs/resnet/resnet50_8xb32_in1k.py -n 100 -r 2

如何同时可视化原始图像与处理后图像

使用 'concat' 模式：

python ./tools/visualization/browse_dataset.py configs/swin_transformer/swin-small_16xb64_in1k.py -n 10 -m concat

使用 'pipeline' 模式：

python ./tools/visualization/browse_dataset.py configs/swin_transformer/swin-small_16xb64_in1k.py -m pipeline