mmdetection中的pipeline

问题描述

在mmdetection中，pipeline是一个非常重要的步骤，它负责对原始的图像进行一系列的处理，完成一系列的操作，最终提供给深度神经网络。

我在看mmdetection源代码的时候，尤其在阅读pipeline代码的时候，发现类的实例方法返回的都是results。而results是从哪里来的呢？此外，pipeline中的预处理方法是在何处调用的呢？

带着这些问题，我看到了一篇不错的博客，里面回答了我的一些困惑，我在它的基础上进行了一些总结，形成了自己的内容。

版本与环境

mmcv (0.2.16)
mmdet (1.0rc0+unknown)
torch (1.4.0)
torchvision (0.5.0)
CUDA 10.1

我的总结归纳

首先，我们要明确2个不同的对象：dataset和dataloader。在tools/train.py中，先进行的是build_dataset然后是build_dataloader。需要注意的是输入图像resize等图像预处理工作和pipeline都是在build_dataset阶段完成的，相反build_dataloader阶段做的事儿很少(mmdet/datasets/loader/build_loader.py)。

经过我仔细的研究和思考，我个人认为在dataset阶段并没有真正的开始处理数据，而是走了一遍pipeline的流程，“走了个过场”；在dataloader阶段，根