Python 如何使用Tensorflow对象检测API和tf.estimator执行自定义数据扩充？

我知道它们已经在

model.config

中提供，使用了如下内容：

  data_augmentation_options {
    random_adjust_contrast {
    }
  }

但是，我需要执行自己的数据扩充方法。下面是我用来训练探测器的当前代码：

config = tf.estimator.RunConfig(model_dir=modelpath, keep_checkpoint_max=2, save_summary_steps=100/5)
train_and_eval_dict = model_lib.create_estimator_and_inputs(
    run_config=config,
    hparams=model_hparams.create_hparams(None),
    pipeline_config_path=pipelinepath,
    train_steps=trainsteps,
    eval_steps=evalsteps)
estimator = train_and_eval_dict['estimator']
train_input_fn = train_and_eval_dict['train_input_fn']
eval_input_fns = train_and_eval_dict['eval_input_fns']
eval_on_train_input_fn = train_and_eval_dict['eval_on_train_input_fn']
predict_input_fn = train_and_eval_dict['predict_input_fn']
train_steps = train_and_eval_dict['train_steps']

train_spec, eval_specs = model_lib.create_train_and_eval_specs(
        train_input_fn,
        eval_input_fns,
        eval_on_train_input_fn,
        predict_input_fn,
        train_steps,
        eval_on_train_data=False)

trainer_estimator = tf.estimator.train_and_evaluate(
    estimator, train_spec, eval_specs[0])

我试着用这样的东西来阅读

列车输入\u fn

：

iterator = train_input_fn().__iter__()
next_element = iterator.get_next()
x_next = next_element[0]
y_next = next_element[1]
x_true_image_shape = x_next.get('true_image_shape', 0)

我只能得到张量，但我不知道如何读取值，甚至不知道如何替换它们

我的想法是：

• 读取

  列车输入\u fn

• 在每个批次中添加我自己的增强方法

这样做是正确的还是有其他方法来实现这一目标