python工具方法27 训练时在线random resize的实现（支持图像分类与语义分割）

在训练过程中动态调整数据的尺寸可以增强模型对不同size尺寸物体的适应能力，是提升模型泛化能力的一种手段。如在paddledection套件中，就提供了参数设置多种size组合；此外，博主在拜读SegFormer模型论文时，作者也提到了使用0.5-2.0的倍率对训练数据进行缩放（作者操作还包含随机水平翻转和随机裁剪）。为此对该操作进行实现，对于图像的resize均使用PIL.Image实现与ai框架无任何关联，paddle、pytorch、tensorflwo都可以使用。对目标检测暂不支持，如果后续有需要会完善。

在使用中切记，进行random_size时，由于要将图片转换为uint8，因此传入的数据不能进行标准化（减均值除方差），只传入允许归一化的数据。否则会导致性能极差，模型无法收敛（标准化的数据存在负数，转uint8后存在信息丢失）

1、具体实现

1.1 resize函数的实现

在进行图像resize时，需要注意的是label的格式是WH，为二维数据，而image的格式为CWH或WHC为三维数据，此外image还分为单通道和三通道，三通道通常为rgb数据，而单通道通常为灰度图数据。针对于不同的数据需要选用不同的函数进行resize操作，具体共有以下三个函数。

from PIL import