从壹开始解读Yolov11【源码研读系列】——Data.Augment.py：数据增强模块第四部分——Format标签格式标准化操作

        【前情回顾】在上一篇文章中介绍了augment.py数据增强文件中一个重要的类——LetterBox图片形状大小统一化，这是不管训练还是预测都必须进行的图片操作。

        LetterBox类文章地址：https://blog.csdn.net/qq_58718853/article/details/143233094

        【实验代码】所有实验代码上传至Gitee仓库。（会根据博文进度实时更新）：

        Gitee链接：https://gitee.com/machine-bai-xue/yolo-source-code-analysis

        如果链接失效，访问404拒绝，可以直接在Gitee码云主页搜索——“机器白学”，所有项目中的YOLO源码实验就是本系列所有实验代码。  

        【本节预告】本文继续augment.py类部分的解读记录，下面要介绍的Format类，其跟LetterBox类一样十分重要，尤其是在训练时，作用是将图片的标签信息标准化为统一格式，方便后续数据集加载器构建需要。

一、augment.Format类：输入标签格式统一化

        1.Format类功能概述

        Format 类用于标准化图像的标签信息，以便用于目标检测、实例分割和姿态估计任务。该类将图像和实例的注释转换为统一的格式，以便后续的 collate_fn（批处理函数）在 PyTorch 的 DataLoader 中使用。

        其整体结构如下图所示，包含初始化该类一共定义了四个方法。其中__call__主要功能是将图像的标签格式化，以适用目标检测任务，此方法是重点对象，关键功能实现部分；_format_img主要是将图像从numpy数组转为pytorch张量；_format_segments是将语义分割的多边形分割信息转为位图掩码（mask）。

        2.__init__：类参数初始化

        首先看此类的初始化参数含义，归纳在下面表格。

        OBB（Oriented Bounding Box，定向边界框）是一种与传统的平行轴对齐边界框（Axis-Aligned Bounding Box，AABB）不同的边界框。

        传统的AABB边界框通常是矩形，与图像边界平行，其表示方式通常为左上角坐标加上宽度和高度（x, y, w, h），不考虑物体的旋转方向。

        OBB边界框可以随物体的方向进行旋转，通常用来更准确地表示具有明显方向的物体。OBB的表示方式一般为中心点坐标、宽度、高度、以及旋转角度（或直接提供四个角点坐标）。这种方式特别适合那些在图像中倾斜、旋转的目标物体。OBB 的优势在于能够更好地适应物体的真实形状和方向，提高检测精度，尤其在目标密集且形状复杂的场景中。

        3.__call__：标准化标签与图片数据

        此方法并不复杂，该函数接受一个包含图像和标签数据的字典 labels，输出格式化后的字典。

        下面暂时屏蔽掉语义分割（return_mask）、姿态评估（return_keypoint）、旋转定向框（return_obb）处的处理代码，专注于检测模型主要的处理逻辑。

        下图注释了相关代码的作用和含义。

        4.具体数据实验

        所有实验代码已上传至Gitee仓库 data/augment/Format.py 下。

        首先实验一下默认参数进行格式化操作后的labels输出。

        可以看到图片、类别、边界框都转为了PyTorch数据格式。且边界框是归一化后的数据。

        继续将归一化功能屏蔽，打印查看此时的边界框信息，已经是坐标绝对值形式的了。

        至此，data文件中的augment.py文件中的一些基本类介绍完毕，还有一些针对语义分割、图像分类、姿态评估的增强操作将在以后编写相关任务时记录。 

        下一篇文章新开一个py文件——解读data文件下的 base.py文件，其中定义了一个可灵活调整的数据加载类。

        下一篇文章快速链接：从壹开始解读Yolov11【源码研读系列】——Data.Base.py.BaseDataset：可灵活改写的数据集加载处理基类-CSDN博客