mmdetection中的pipelines

问题描述

在mmdetection框架中，pipeline作为关键处理流程，承担着对原始图像实施多重操作的任务，经过一系列处理后将数据传递至深度神经网络。

在研读mmdetection源码过程中，特别是在分析pipeline相关代码时，我注意到类实例方法所返回的均为results对象。然而，results的具体来源尚不明确。此外，pipeline中涉及的预处理函数又是如何被触发执行的呢？

为了解决上述疑问，我查阅了一篇质量较高的博客，该文献解答了部分困惑。在此基础上，我对相关内容进行了归纳整理，并形成了属于自己的理解与总结。

版本与环境配置

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，需要区分两个不同的概念：dataset与dataloader。在tools/train.py文件中，构建流程依次为build_dataset和build_dataloader。必须注意的是，诸如图像resize等图像预处理操作以及pipeline的执行均是在build_dataset阶段完成的，而build_dataloader阶段所执行的任务则相对较少（mmdet/datasets/loader/b