你这段手改里有一个关键错误：mask_np[pink_mask] = FSD_PINK_VALUE 在 RM 分支里不对，应该是 RM_PINK_VALUE。

如果keep_size=True,则在crop或者pad后再缩放成原来的大小。mask = ImageOps.expand(mask, border=(0, 0, padw, padh), fill=127)# mask不填充0而是填255:类别0不是训练类别,后续会被填-1(但bdd100k数据格式是trainid,为了兼容填255)-1, -1,0,1, -1, -1,# Cityscapes

{255,0,255},{0,255,255},{127,0,0},{0,127,0},{0,0,127}, // 5人行横道预告标志线，6减速带，7指示直行，8坡道导流线，9轮挡，#uint8_t color[14][3]={{0,0,0},{255,0,0},{0,255,0},{0,0,255},{255,255,0},// 0背景，1车道线，2停车位线，3禁止停车，4斑马线。// 10车位

key: (width, height)value: (x1, y1, x2, y2) 车辆黑色区域在原图上的像素坐标。MIRROR_FOLD_APPLY_TO_VAL = True# 验证阶段也应用同样增强。MIRROR_FOLD_PROB = 1.0# 1.0=每次都做，0.5=50%概率。FSD_PINK_VALUE = 1# FSD中粉色区域视为可行驶。RM_PINK_VALUE = 0#

state_dict = ckpt['model'].float().state_dict()# to FP32 ckpt里model键对应的值才是模型,训练结束后保存的是float16(中间保存的float32),模型的state_dict是参数,包括可训练参数和register_buffer保存的buffer parameter(Detect的anchor和gird等)

state_dict = ckpt['model'].float().state_dict()# to FP32 ckpt里model键对应的值才是模型,训练结束后保存的是float16(中间保存的float32),模型的state_dict是参数,包括可训练参数和register_buffer保存的buffer parameter(Detect的anchor和gird等)

translate: 0.1# image translation (+/- fraction) 平移。

import osfrom utils.metrics import ap_per_class, ConfusionMatrix, batch_pix_accuracy,batch_pix_accuracy_class, batch_intersection_union# 后两个新增分割import cv2"""test_custom.py与test.py的区别仅在加载器上从Cityscapes改

fi_rm = fitness2(np.array(results).reshape(1, -1), mIoU_rm)# weighted combination of [P, R, mAP@.5, mAP@.5-.95] 按0.1*AP.5+0.9*AP.5:.95指标衡量模型。imgs = imgs.to(torch.device('cpu'), non_blocking=True)# 释放

如果keep_size=True,则在crop或者pad后再缩放成原来的大小。mask = ImageOps.expand(mask, border=(0, 0, padw, padh), fill=127)# mask不填充0而是填255:类别0不是训练类别,后续会被填-1(但bdd100k数据格式是trainid,为了兼容填255)-1, -1,0,1, -1, -1,# Cityscapes