mmdetection第二代中RandomCrop如何使用

在 mmdetection v2.x 中，可以使用 `RandomCrop` 数据增强来随机裁剪图像，以增加模型的鲁棒性。

`RandomCrop` 数据增强可以在 `Pipeline` 中使用，具体步骤如下：

1. 在配置文件中设置数据增强参数，例如：

   train_pipeline:
     - type: LoadImageFromFile
     - type: RandomFlip
     - type: Resize
       img_scale: (1333, 800)
       multiscale_mode: value
       ratio_range: (0.8, 1.2)
     - type: RandomCrop
       crop_size: (800, 800)
       allow_negative_crop: True
     - type: Normalize
     - type: Pad
       size_divisor: 32
     - type: DefaultFormatBundle
     - type: Collect

2. 在代码中加载配置文件并构建数据管道：

   from mmcv import Config
   from mmdet.datasets.builder import build_dataloader, build_dataset
   
   cfg = Config.fromfile('configs/my_config.py')
   train_dataset = build_dataset(cfg.data.train)
   train_dataloader = build_dataloader(
       train_dataset,
       samples_per_gpu=2,
       workers_per_gpu=2,
       shuffle=True,
       collate_fn=train_dataset.collate_fn,
       pin_memory=False
   )

这里的 `train_dataset` 和 `train_dataloader` 分别是训练数据集和训练数据加载器。

使用上述配置文件和代码，`RandomCrop` 数据增强会在训练过程中被应用，以随机裁剪图像。具体来说，`crop_size` 参数指定了裁剪后的图像尺寸，`allow_negative_crop` 参数指定了是否允许裁剪出现负值。