代码拉取完成，页面将自动刷新
每个转换都是一个具有可调用函数的类。示例如下所示。
转换函数的输入总是一个字典，包含img_path, raw label等数据信息。
请为__call__函数编写注释，以澄清数据字典中required/modified/added中所需键。
在类init函数中添加kwargs进行扩展，用于解析全局配置，如is_train。
class ToCHWImage(object):
""" convert hwc image to chw image
"""
def __init__(self, channel, **kwargs):
self.is_train = kwargs.get('is_train', True)
def __call__(self, data: dict):
'''
required keys:
- image
modified keys:
- image
'''
img = data['image']
if isinstance(img, Image.Image):
img = np.array(img)
data['image'] = img.transpose((2, 0, 1))
return data
请在tests/ut/transforms中为转换添加单元测试，并尝试覆盖不同的情况（输入和设置）。
请使用jupyter notebook 可视的检查图像和标注转换的正确性。请参见transform_tutorial.ipynb。
shape_list中。否则，后处理方法将无法将结果映射回原始图像空间。关于如何记录shape_list，请参阅DetResize。此处可能存在不合适展示的内容，页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容，可点击提交进行申诉，我们将尽快为您处理。
马建仓 AI 助手