TensorFlow目标检测：图像增强后需重新标注？tf.record未纳入增强文件求解

• 不需要手动重新标注你用到的这些增强类型，大部分可以通过自动转换原始标注来复用：

  • 仿射变换、水平翻转：这类会改变目标位置/姿态的增强，只要记录下变换规则，就能用代码把原始标注的坐标同步转换，比如水平翻转时，把标注框的x轴坐标做镜像计算即可。
  • 亮度调整、高斯模糊：这类仅改变像素值的增强，完全不影响目标的位置和形状，原始标注可以直接套用在增强后的图像上。

• 你生成tf.record时没包含增强图，是因为当前流程只处理了原始数据，需要调整数据处理逻辑：

  • 方案一：提前批量生成增强图像+转换后的标注文件（比如用脚本处理原始xml/txt标注，输出对应增强图的标注），然后把原始和增强数据一起纳入tf.record生成流程。
  • 方案二：在训练的数据流管道中实时做增强，不用提前保存增强图像，同时在增强的同步转换标注，这样既节省存储空间，也能避免重复标注的工作量。

• 重点：完全没必要手动标注增强后的图像，这会极大浪费时间，用代码自动处理标注转换是标准做法。

内容的提问来源于stack exchange，提问作者ZKS