使用Albumentations时Pascal VOC格式bbox触发[0,1]范围校验错误求助

1. BboxParams配置遗漏关键参数：Albumentations的BboxParams默认开启归一化校验（normalize=True），即便指定了format='pascal_voc'，如果没显式关闭归一化，库会默认要求bbox坐标是[0,1]范围内的归一化值，而你传入的是绝对像素坐标（整数），因此触发ValueError。
2. 变换后坐标变为浮点数：这是正常行为，大多数图像增强操作（如旋转、非等比缩放、弹性变换）会产生非整数的坐标偏移，Albumentations保留这些精确值是为了避免多次取整导致的坐标误差累积。

1. 修正BboxParams配置 #

显式设置normalize=False，同时指定label_fields（如果你的bbox关联了分类标签），确保Albumentations识别绝对像素坐标的Pascal VOC格式：

import albumentations as A

# 定义增强流水线
transform = A.Compose(
    [
        A.HorizontalFlip(p=0.5),
        A.RandomResizedCrop(height=640, width=640, scale=(0.8, 1.0)),
        # 按需添加其他增强操作
    ],
    bbox_params=A.BboxParams(
        format='pascal_voc',
        normalize=False,  # 关键：关闭归一化校验
        label_fields=['labels']  # 绑定bbox对应的标签字段，按需调整字段名
    )
)

2. 校验输入bbox的合法性 #

确保传入的原始bbox满足：

• 坐标顺序严格为[xmin, ymin, xmax, ymax]
• xmin <= xmax且ymin <= ymax
• 所有坐标值在[0, 图像宽度]和[0, 图像高度]范围内（无负数或超出图像尺寸的数值）

3. 处理变换后的浮点数坐标 #

如果后续流程需要整数坐标，可以手动对变换后的bbox进行取整（推荐四舍五入，避免截断误差）：

# 假设增强后的结果存储在result字典中
processed_bboxes = []
for bbox in result['bboxes']:
    xmin, ymin, xmax, ymax = bbox
    # 四舍五入后转整数
    processed_bbox = (
        int(round(xmin)),
        int(round(ymin)),
        int(round(xmax)),
        int(round(ymax))
    )
    processed_bboxes.append(processed_bbox)
result['bboxes'] = processed_bboxes

内容的提问来源于stack exchange，提问作者J Agustin Barrachina